음이항 모형 적합하기
음이항 분포는 분산이 평균보다 커질 수 있도록 허용합니다. 이는 이전 연습 문제에서 crab 데이터로 측정한 내용과 일치합니다. 이번 연습에서는 로그 링크 함수를 사용해 적합했던 포아송 회귀를 다시 떠올리고, 추가로 동일한 로그 링크 함수를 사용하는 음이항 모형도 적합해 보겠습니다.
통계 지표가 어떻게 달라지는지 분석하고 확인해 보세요.
모델 crab_pois와 데이터 crab이(가) 작업 공간에 로드되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 Generalized Linear Models
연습 안내
- 회귀식에서
sat가width로 예측되도록 공식을 정의하세요. NegativeBinomial()을 사용해 음이항 모형을 적합하고 모델을crab_NB로 저장하세요.- 포아송 모형
crab_pois와 새로 적합한 음이항 모형의 요약을 출력하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Define the formula for the model fit
formula = '____ ~ ____'
# Fit the GLM negative binomial model using log link function
crab_NB = smf.glm(formula = ____, data = ____,
family = ____.____.____).____
# Print Poisson model's summary
print(____.____)
# Print the negative binomial model's summary
print(____.____)