सांख्यिकीय महत्व
वीडियो में हमने horseshoe crab मॉडल में y को weight से प्रेडिक्ट करके विश्लेषण किया था। इस अभ्यास में आप अनुमानित कोएफिशिएंट्स के महत्व का आकलन करेंगे, लेकिन इस बार explanatory वैरिएबल के रूप में width का उपयोग करेंगे।
याद रखिए, कोएफिशिएंट्स यह निर्धारित करने में मदद करते हैं कि जिस संबंध को हम मॉडल कर रहे हैं वह कितना महत्वपूर्ण है। जहाँ सकारात्मक साइन का अर्थ है कि प्रिडिक्टर बढ़ने पर इवेंट की प्रॉबेबिलिटी बढ़ती है, और नकारात्मक साइन पर इसका उलटा।
वर्कस्पेस में crab डेटासेट लोड है।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Generalized Linear Models
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import libraries and th glm function
import ____.api as sm
from ____.____.api import ____
# Fit logistic regression and save as crab_GLM
crab_GLM = ____('____ ~ ____', data = ____, family = sm.families.____).____
# Print model summary
____(____.____)