Ajuster une régression logistique
Dans cet exercice, vous poursuivez avec les données de l'étude portant sur la contamination des eaux souterraines par l'arsenic au Bangladesh, où vous voulez modéliser la probabilité de changer de puits actuel selon le niveau d'arsenic présent dans le puits.
Rappel de la structure du jeu de données :
Le jeu de données wells est déjà chargé dans l'espace de travail.
Cette activité fait partie du cours
Modèles linéaires généralisés en Python
Instructions de l’exercice
- Importez
statsmodelsetglm. - À l'aide de
glm(), ajustez un modèle de régression logistique oùswitchest prédit pararsenic. - Affichez le sommaire du modèle avec
.summary().
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Load libraries and functions
import ____.api as sm
from ____.____.api import glm
# Fit logistic regression model
model_GLM = ____(formula = ____,
data = ____,
family = ____.____.____).____
# Print model summary
print(____.____)