Vérifier l’ajustement du modèle

Dans la vidéo, vous avez analysé l’exemple d’une amélioration de l’ajustement du modèle en ajoutant une variable supplémentaire sur les données wells. En poursuivant avec ce jeu de données, vous allez voir comment une augmentation supplémentaire de la complexité du modèle affecte la déviance et la qualité d’ajustement.

Le jeu de données wells a été préchargé dans l’espace de travail.

Cet exercice fait partie du cours

Modèles linéaires généralisés en Python

Afficher le cours

Instructions

Ajustez un modèle de régression logistique avec switch comme variable réponse et distance100 et arsenic comme variables explicatives.
Calculez la différence de déviance entre le modèle avec intercept seul et le modèle incluant toutes les variables.
Affichez la différence calculée.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Import statsmodels
import ____.____ as sm
from ____.____.____ import glm

# Define model formula
formula = '____ ~ ____'

# Fit GLM
model_dist_ars = glm(____, ____ = ____, ____ = sm.____.____).____

# Compare deviance of null and residual model
diff_deviance = ____.____ - ____.____

# Print the computed difference in deviance
____(____)

Modifier et exécuter le code