Ajuster une régression logistique
Dans cet exercice, vous continuez avec les données de l’étude sur la contamination des nappes phréatiques par l’arsenic au Bangladesh, où vous souhaitez modéliser la probabilité de changer de puits en fonction du niveau d’arsenic présent.
Rappel de la structure du jeu de données :
Le jeu de données wells est préchargé dans l’espace de travail.
Cet exercice fait partie du cours
Modèles linéaires généralisés en Python
Instructions
- Importez
statsmodelsetglm. - À l’aide de
glm(), ajustez un modèle de régression logistique oùswitchest prédit pararsenic. - Affichez le résumé du modèle avec
.summary().
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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(____.____)