예측값 계산하기
실무에서는 적합한 로지스틱 회귀 모델을 사용해 확률을 추정하고, 그 추정값에 대한 신뢰구간을 만드는 데 관심이 많습니다. wells 데이터셋과 모델 'switch ~ arsenic'을 사용한다고 할 때, 학습 표본에 포함되지 않은 새로운 관측치 wells_test가 있고 가장 가까운 안전한 우물로 바꿀 확률을 예측하려고 한다고 가정해 봅시다.
이를 위해 .predict() 메서드를 사용합니다.
.predict()는 다음과 같은 인자를 받습니다:
exog- 새로운 관측치(테스트 데이터셋)transform = True- 적합에 사용된 공식y ~ x를 데이터에 적용합니다.
exog를 지정하지 않으면 학습 데이터셋에 대한 확률이 계산됩니다.
모델 wells_fit과 데이터셋 wells, wells_test는 작업 공간에 미리 로드되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 Generalized Linear Models
연습 안내
- 적합한 모델
wells_fit을 사용해 테스트 데이터wells_test에 대한 예측을 계산하고prediction으로 저장하세요. - 기존 데이터프레임
wells_test에prediction을 추가하고 열 이름을prediction으로 지정하세요. print()를 사용해wells_test의 처음 5행에서switch,arsenic,prediction열을 표시하세요. 처음 5행만 보려면 pandas의head()함수를 사용하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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())