1. 学ぶ
    2. /
  2. コース
    3. /
  3. Pythonで学ぶ一般化線形モデル
Connected

演習

デビアンスと線形変換

これまでの演習で見てきたように、モデル当てはまりが良くなる変数を追加するとデビアンスは減少します。本演習では、井戸の切り替えデータの例を用い、distance 変数で当てはめたモデルをもとに、その変数に線形変換を行うと何が起きるかを確認します。

distance100 は元の distance を 100 で割ったもので、結果の表現や解釈をよりわかりやすくするための変換です。wells.head() を使うと、先頭 5 行のデータを確認できます。

wells データセットと、'swicth ~ distance100' のモデルは model_dist としてあらかじめ読み込まれています。

指示

100 XP
  • statsmodels を sm として、さらに glm() 関数をインポートします。
  • 説明変数を distance、目的変数を switch としてロジスティック回帰モデルを当てはめ、model_dist_1 として保存します。
  • 現在のモデルと、説明変数が distance100 のモデルとのデビアンスの差を確認して出力します。