शुरू करेंमुफ़्त में शुरू करें

Multivariable logistic regression फिट करें

वीडियो से सीखी बातों का उपयोग करते हुए आप crab डेटासेट पर वापस आएँगे और एक multivariate logistic regression मॉडल फिट करेंगे। Chapter 2 में आपने width को explanatory वैरिएबल मानकर logistic regression फिट किया था। इस अभ्यास में आप color को एक अतिरिक्त वैरिएबल के रूप में जोड़ने के प्रभाव का विश्लेषण करेंगे।

color वैरिएबल का प्राकृतिक क्रम है: medium light, medium, medium dark और dark. इसलिए color एक ordinal वैरिएबल है, जिसे इस उदाहरण में आप एक quantitative वैरिएबल की तरह ट्रीट करेंगे।

crab डेटासेट workspace में पहले से लोड है। यह भी नोट करें कि univariate केस की तुलना में कोड में एकमात्र अंतर formula आर्ग्युमेंट में है, जहाँ अब आप नए वैरिएबल को शामिल करने के लिए संरचना जोड़ेंगे.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Generalized Linear Models

पाठ्यक्रम देखें

अभ्यास निर्देश

  • GLMs के लिए statsmodels लाइब्रेरी से आवश्यक फंक्शन्स इम्पोर्ट करें.
  • formula आर्ग्युमेंट डिफाइन करें, जहाँ width और color explanatory वैरिएबल्स हों और y response हो.
  • glm() फंक्शन का उपयोग करके एक multivariate logistic regression मॉडल फिट करें.
  • मॉडल के परिणाम प्रिंट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Import statsmodels
import ____.____ as sm
from ____.____.____ import glm

# Define model formula
formula = '____ ~ ____'

# Fit GLM
model = glm(____, ____ = ____, ____ = sm.____.____).____

# Print model summary
____(____.____)
कोड संपादित करें और चलाएँ