Deviance dan transformasi linear

Seperti yang telah Anda lihat pada latihan sebelumnya, deviance menurun ketika Anda menambahkan variabel yang meningkatkan kesesuaian model. Pada latihan ini Anda akan menggunakan contoh data sumur (well switch) dan model yang Anda pasang dengan variabel distance, namun Anda akan menilai apa yang terjadi ketika terdapat transformasi linear pada variabel tersebut.

Perhatikan bahwa variabel distance100 adalah variabel asli distance yang dibagi 100 untuk memberikan representasi dan interpretasi hasil yang lebih bermakna. Anda dapat memeriksa data dengan wells.head() untuk melihat 5 baris pertama data.

Himpunan data wells dan model 'swicth ~ distance100' telah dimuat sebelumnya sebagai model_dist.

Latihan ini merupakan bagian dari kursus

Generalized Linear Models di Python

Lihat Kursus

Instruksi latihan

Impor statsmodels sebagai sm dan fungsi glm().
Pasang model regresi logistik dengan distance sebagai variabel penjelas dan switch sebagai respons, lalu simpan sebagai model_dist_1.
Periksa dan cetak selisih deviance antara model saat ini dan model dengan distance100 sebagai variabel penjelas.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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))

Edit dan Jalankan Kode