अनुमानित मानों की तुलना
पिछले अभ्यास में, आपने crab डेटा का उपयोग करके एक linear और एक GLM (logistic) regression मॉडल फिट किया था, जिसमें width से y की भविष्यवाणी की गई थी. यानी, आप यह अनुमान लगाना चाहते थे कि मादा crab के पास, उसकी चौड़ाई के आधार पर, कोई satellite crab होने की क्या संभावना है.
इस अभ्यास में, आप दोनों मॉडलों से निकली अनुमानित संभावनाएँ (आउटपुट) और अधिक जाँचेंगे और यह समझने की कोशिश करेंगे कि क्या linear फिट इस समस्या के लिए उपयुक्त होगा.
सामान्य तौर पर, मॉडल का परीक्षण नए, unseen डेटा पर किया जाता है. ऐसे डेटासेट को test sample कहा जाता है.
test sample आपके लिए बना दिया गया है और workspace में लोड है. ध्यान दें कि आपको मॉडल में मौजूद सभी वैरिएबल्स के लिए test मान चाहिए, जो इस उदाहरण में width है.
crab डेटासेट workspace में पहले से लोड है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Generalized Linear Models
अभ्यास निर्देश
print()का उपयोग करकेtestसेट देखें.testsample का उपयोग करते हुए, फिट किए गए linear मॉडलmodel_LMपर.predict()चलाकर अनुमानित संभावनाएँ निकालें और उन्हेंpred_lmके रूप में सहेजें. इसी तरह, फिट किए गए GLM (logistic) मॉडलmodel_GLMपर.predict()चलाएँ और परिणामpred_glmके रूप में सहेजें.pandasकीDataFrame()का उपयोग करके दोनों मॉडलों की predictions को combine करें औरpredictionsके रूप में सहेजें.testऔरpredictionsको concatenate करें औरall_dataके रूप में सहेजें.print()का उपयोग करकेall_dataदेखें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# View test set
print(____)
# Compute estimated probabilities for linear model: pred_lm
____ = model_LM.____(____)
# Compute estimated probabilities for GLM model: pred_glm
____ = model_GLM.____(____)
# Create dataframe of predictions for linear and GLM model: predictions
____ = pd.DataFrame({'Pred_LM': ____, 'Pred_GLM': ____})
# Concatenate test sample and predictions and view the results
all_data = pd.concat([____, ____], axis = 1)
print(____)