VIF की गणना करें
जैसा कि आपने वीडियो में सीखा, multicollinearity के लिए सबसे ज़्यादा उपयोग किए जाने वाले डायग्नोस्टिक में से एक variance inflation factor या VIF है, जिसे हर explanatory variable के लिए compute किया जाता है.
वीडियो से याद रखें कि सामान्य मार्गदर्शक सीमा VIF = 2.5 है. यानी, अगर VIF 2.5 से ऊपर हो, तो आपको मानना चाहिए कि आपके fitted मॉडल पर multicollinearity का असर है.
पहले से फिट किया गया model और crab डेटासेट workspace में प्रीलोडेड हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Generalized Linear Models
अभ्यास निर्देश
statsmodelsसेvariance_inflation_factorइम्पोर्ट करें.crabडेटासेट सेweight,widthऔरcolorचुनकरXके रूप में सेव करें.Xमें ones कीInterceptकॉलम जोड़ें.pandasकीDataFrame()फंक्शन का उपयोग करके एक खालीvifdataframe बनाएँ औरXके कॉलम नामों कोVariablesकॉलम में जोड़ें.- हर वैरिएबल के लिए
variance_inflation_factor()फंक्शन का उपयोग करके VIF compute करें और उसेVIFकॉलम नाम के साथvifdataframe में सेव करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import functions
from statsmodels.stats.outliers_influence import ____
# Get variables for which to compute VIF and add intercept term
X = ____[[____, ____, ____]]
X[____] = 1
# Compute and view VIF
vif = pd.____
vif["variables"] = X.____
vif["VIF"] = [____(X.values, i) for i in range(X.shape[1])]
# View results using print
____(____)