1. Apprendre
    2. /
  2. Cours
    3. /
  3. Modèles linéaires généralisés en Python
Connected

Exercice

Déviance et transformation linéaire

Comme vous l'avez vu dans les exercices précédents, la déviance diminue lorsque vous ajoutez une variable qui améliore l'ajustement du modèle. Dans cet exercice, vous allez reprendre l'exemple des puits et le modèle que vous avez ajusté avec la variable distance, mais vous évaluerez ce qui se passe lorsqu'il y a une transformation linéaire de la variable.

Notez que la variable distance100 correspond à la variable distance d'origine divisée par 100, afin d'en faciliter la représentation et l'interprétation. Vous pouvez examiner les données avec wells.head() pour afficher les 5 premières lignes.

Le jeu de données wells et le modèle 'swicth ~ distance100' ont été préchargés sous le nom model_dist.

Instructions

100 XP
  • Importez statsmodels sous le nom sm ainsi que la fonction glm().
  • Ajustez un modèle de régression logistique avec distance comme variable explicative et switch comme variable réponse, et enregistrez-le sous model_dist_1.
  • Vérifiez et affichez la différence de déviance entre le modèle courant et le modèle ayant distance100 comme variable explicative.