Categorical वैरिएबल के साथ मॉडलिंग
पिछले अभ्यासों में आपने color को width के साथ एक explanatory वैरिएबल के रूप में लेते हुए एक logistic regression मॉडल फिट किया था, जहाँ आपने color को quantitative वैरिएबल माना था। इस अभ्यास में आप color को एक categorical वैरिएबल मानेंगे, जिससे मॉडल मैट्रिक्स बनाते समय color को 0/1 एन्कोडिंग के साथ 3 वैरिएबल्स में बदला जाएगा।
ध्यान रखें कि dmatrix() में डिफॉल्ट एन्कोडिंग पहले group को reference group मानती है। मॉडल मैट्रिक्स को dataframe के रूप में देखने के लिए dmatrix() में एक अतिरिक्त आर्ग्युमेंट return_type को 'dataframe' पर सेट किया जाएगा।
color वैरिएबल का नैचुरल ordering इस प्रकार है:
1: medium light
2: medium
3: medium dark
4: dark
वर्कस्पेस में crab डेटासेट पहले से 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।
# Construct model matrix
model_matrix = ____('C(____, ____(____))' , data = ____,
return_type = 'dataframe')
# Print first 5 rows of model matrix dataframe
print(____.____)
# Fit and print the results of a glm model with the above model matrix configuration
model = ____('____ ~ ____(____, ____(____))', data = ____,
family = ____).____
print(____.____)