Deviance और रैखिक रूपांतरण
जैसा कि आपने पिछले अभ्यासों में देखा, जैसे-जैसे आप ऐसा वैरिएबल जोड़ते हैं जो मॉडल फिट को बेहतर बनाता है, deviance घटती है। इस अभ्यास में आप well switch डेटा उदाहरण और distance वैरिएबल वाले अपने फिट किए गए मॉडल पर विचार करेंगे, लेकिन आप यह आकलन करेंगे कि जब वैरिएबल का रैखिक रूपांतरण किया जाता है तो क्या होता है।
ध्यान दें कि distance100 वैरिएबल मूल distance को 100 से भाग देकर बनाया गया है, ताकि परिणामों का निरूपण और व्याख्या अधिक अर्थपूर्ण हो सके। आप wells.head() चलाकर डेटा की पहली 5 पंक्तियाँ देख सकते हैं।
wells डेटासेट और मॉडल 'swicth ~ distance100' पहले से model_dist नाम से प्रीलोड किए गए हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Generalized Linear Models
अभ्यास निर्देश
statsmodelsकोsmके रूप में औरglm()फंक्शन को इम्पोर्ट करें.distanceको explanatory वैरिएबल औरswitchको response के रूप में लेकर एक logistic regression मॉडल फिट करें और उसेmodel_dist_1के रूप में सेव करें.- मौजूदा मॉडल और उस मॉडल (जिसमें explanatory वैरिएबल के रूप में
distance100है) के deviance के अंतर की जाँच करें और प्रिंट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import functions
import ____.api as ____
from ____.____.api import ____
# Fit logistic regression model as save as model_dist_1
model_dist_1 = ____('____ ~ ____', data = ____, family = ____).____
# Check the difference in deviance of model_dist_1 and model_dist
print('Difference in deviance is: ', round(____.____ - ____.____,3))