Probability में परिवर्तन की दर
wells डेटासेट के लिए आपने पहले ही मॉडल फ़ॉर्मूला switch ~ distance100 के साथ एक लॉजिस्टिक रिग्रेशन मॉडल फिट किया है और निम्नलिखित फिट प्राप्त किया है:
$$
log(\frac{\mu}{1-\mu}) = 0.6060 - 0.6219\times distance100
$$
इस अभ्यास में आप उसी मॉडल का उपयोग करके समझेंगे कि अनुमानित probability distance100 के किसी मान, मान लीजिए 1.5, पर कैसे बदलती है — जैसा कि नीचे दिए गए चित्र में दिखाया गया है।
inverse-logit (probability) के फ़ॉर्मूले याद करें:
$$ \mu = \frac{exp(\beta_0+\beta_1x_1)}{1+exp(\beta_0+\beta_1x_1)} $$
और मॉडल फिट पर बिंदु \(x\) पर tangent line का ढाल (slope):
$$ \beta*\mu(1-\mu) $$
वर्कस्पेस में wells डेटासेट और मॉडल wells_GLM लोड हैं।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Generalized Linear Models
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Define x at 1.5
x = ____
# Extract intercept & slope from the fitted model
intercept, slope = ____.____