Adatta una regressione logistica multivariabile
Usando quanto visto nel video, tornerai al dataset crab per adattare un modello di regressione logistica multivariabile. Nel capitolo 2 hai adattato una regressione logistica con width come variabile esplicativa. In questo esercizio analizzerai l’effetto di aggiungere color come variabile aggiuntiva.
La variabile color ha un ordinamento naturale: medium light, medium, medium dark e dark. Per questo color è una variabile ordinale che, in questo esempio, tratterai come quantitativa.
Il dataset crab è già caricato nell’ambiente di lavoro. Nota anche che l’unica differenza rispetto al caso univariato è nell’argomento della formula, dove ora aggiungerai la struttura per includere la nuova variabile.
Questo esercizio fa parte del corso
Modelli lineari generalizzati in Python
Istruzioni dell'esercizio
- Importa le funzioni necessarie dalla libreria
statsmodelsper le GLM. - Definisci l’argomento
formuladovewidthecolorsono le variabili esplicative eyè la risposta. - Adatta un modello di regressione logistica multivariabile usando la funzione
glm(). - Stampa i risultati del modello.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Import statsmodels
import ____.____ as sm
from ____.____.____ import glm
# Define model formula
formula = '____ ~ ____'
# Fit GLM
model = glm(____, ____ = ____, ____ = sm.____.____).____
# Print model summary
____(____.____)