ロジスティック回帰を適合させる

この演習では、バングラデシュの地下水のヒ素汚染に関する研究データを引き続き使います。井戸に含まれるヒ素の量に応じて、現在の井戸から別の井戸に「乗り換える」確率をモデル化します。

データセットの構造を思い出してください：

データセット wells はワークスペースにあらかじめ読み込まれています。

この演習はコースの一部です

Pythonで学ぶ一般化線形モデル

コースを見る

演習の手順

statsmodels と glm をインポートします。
glm() を使い、switch を arsenic で予測するロジスティック回帰モデルを適合させます。
.summary() を使ってモデルのサマリーを表示します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Load libraries and functions
import ____.api as sm
from ____.____.api import glm

# Fit logistic regression model
model_GLM = ____(formula = ____,
                data = ____,
                family = ____.____.____).____ 

# Print model summary
print(____.____)

コードを編集して実行