लीनियर मॉडल और एक बाइनरी रिस्पॉन्स वैरिएबल
वीडियो में, आपने बाइनरी रिस्पॉन्स वैरिएबल पर लीनियर मॉडल फिट करने का एक उदाहरण देखा और यह भी कि चीजें कितनी जल्दी गलत हो सकती हैं। आपने सीखा कि लीनियर लाइन फिट होने पर आपको फिटेड वैल्यूज़ \(\hat{y}\) मिलती हैं, जो समस्या की लॉजिक से मेल नहीं खातीं क्योंकि रिस्पॉन्स वैरिएबल केवल 0 और 1 मान लेता है।
प्रीलोडेड crab डेटासेट का उपयोग करते हुए, आप GLM फ्रेमवर्क के तहत y को x के फ़ंक्शन के रूप में मॉडल करके इस प्रभाव का अध्ययन करेंगे।
याद करें कि GLM मॉडल का फ़ॉर्म्युलेशन है:
glm(formula = 'y ~ X', data = my_data, family = sm.families.____).fit()
जहाँ आप formula, data, और family निर्दिष्ट करते हैं।
साथ ही, याद करें कि GLM में:
- Gaussian फैमिली एक लीनियर मॉडल है (GLMs का एक विशेष केस)
- Binomial फैमिली एक लॉजिस्टिक रिग्रेशन मॉडल है।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Generalized Linear Models
अभ्यास निर्देश
crabडेटासेट का उपयोग करते हुए, मॉडल फ़ॉर्मूला ऐसा परिभाषित करें किyकोwidthद्वारा प्रेडिक्ट किया जाए।- GLM फ़ॉर्मूला का उपयोग करके लीनियर मॉडल फिट करने के लिए, फैमिली आर्ग्युमेंट में
Gaussian()दें, जो मानता है कि y सतत है और लगभग नॉर्मल डिस्ट्रीब्यूटेड है। - GLM फ़ॉर्मूला का उपयोग करके लॉजिस्टिक मॉडल फिट करने के लिए, फैमिली आर्ग्युमेंट में
Binomial()दें। - उपयुक्त आर्ग्युमेंट्स के साथ
glm()का उपयोग करके मॉडल फिट करें और फिटेड मॉडलों के सारांश देखने के लिएprint()औरsummary()का उपयोग करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Define model formula
formula = '____ ~ ____'
# Define probability distribution for the response variable for
# the linear (LM) and logistic (GLM) model
family_LM = sm.families.____
family_GLM = sm.families.____
# Define and fit a linear regression model
model_LM = glm(formula = ____, data = ____, family = ____).fit()
print(____.____)
# Define and fit a logistic regression model
model_GLM = glm(formula = ____, data = ____, family = ____).fit()
print(____.____)