Hitung prediksi

Dalam praktik, kita sering tertarik menggunakan regresi logistik yang telah dipasang untuk memperkirakan probabilitas dan menyusun selang kepercayaan bagi estimasi tersebut. Menggunakan himpunan data wells dan model 'switch ~ arsenic', anggaplah Anda memiliki observasi baru wells_test yang bukan bagian dari sampel pelatihan dan Anda ingin memprediksi probabilitas berpindah ke sumur aman terdekat.

Anda akan melakukannya dengan bantuan metode .predict().

Perlu dicatat bahwa .predict() menerima beberapa argumen:

exog - observasi baru (himpunan data uji)
transform = True - meneruskan rumus hasil pemodelan y ~ x ke data.

Jika exog tidak didefinisikan, probabilitas dihitung untuk himpunan data pelatihan.

Model wells_fit dan himpunan data wells serta wells_test sudah dimuat sebelumnya di workspace.

Latihan ini adalah bagian dari kursus

Generalized Linear Models di Python

Lihat Kursus

Petunjuk latihan

Dengan model terpasang wells_fit, hitung prediksi pada data uji wells_test dan simpan sebagai prediction.
Tambahkan prediction ke data frame wells_test yang sudah ada dan beri nama kolom prediction.
Gunakan print() untuk menampilkan 5 baris pertama wells_test dengan kolom switch, arsenic, dan prediction. Gunakan fungsi pandas head() untuk melihat hanya 5 baris pertama.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Compute predictions for the test sample wells_test and save as prediction
prediction = ____.predict(exog = ____)

# Add prediction to the existing data frame wells_test and assign column name prediction
____[____] = ____

# Examine the first 5 computed predictions
print(____[[____, ____, ____]].head())

Edit dan Jalankan Kode