Ajuster une régression logistique multivariée
En vous appuyant sur la vidéo, vous allez revenir au jeu de données crab pour ajuster un modèle de régression logistique multivariée. Au chapitre 2, vous avez ajusté une régression logistique avec width comme variable explicative. Dans cet exercice, vous analyserez l'effet d'ajouter color comme variable supplémentaire.
La variable color suit un ordre naturel : moyennement clair, moyen, moyennement foncé et foncé. Ainsi, color est une variable ordinale que, dans cet exemple, vous traiterez comme une variable quantitative.
Le jeu de données crab est déjà chargé dans l'espace de travail. Notez aussi que la seule différence par rapport au cas univarié se trouve dans l'argument de formule, où vous ajouterez maintenant la structure nécessaire pour intégrer la nouvelle variable.
Cette activité fait partie du cours
Modèles linéaires généralisés en Python
Instructions de l’exercice
- Importez les fonctions nécessaires de la bibliothèque
statsmodelspour les GLM. - Définissez l'argument
formulaoùwidthetcolorsont les variables explicatives etyest la réponse. - Ajustez un modèle de régression logistique multivariée en utilisant la fonction
glm(). - Affichez les résultats du modèle.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Import statsmodels
import ____.____ as sm
from ____.____.____ import glm
# Define model formula
formula = '____ ~ ____'
# Fit GLM
model = glm(____, ____ = ____, ____ = sm.____.____).____
# Print model summary
____(____.____)