이탈도와 선형 변환

이전 연습 문제에서 보았듯이, 모델 적합도가 좋아지는 변수를 추가하면 이탈도(deviance)가 감소했어요. 이번 연습에서는 우물 선택 데이터 예시와 distance 변수를 사용해 적합한 모델을 다시 살펴보되, 변수에 선형 변환이 있을 때 어떤 일이 일어나는지 평가해 보겠습니다.

distance100 변수는 해석을 더 직관적으로 만들기 위해 원래의 distance 변수를 100으로 나눈 값입니다. wells.head()로 데이터를 확인해 처음 5개 행을 볼 수 있어요.

wells 데이터셋과 모형 'swicth ~ distance100'은 model_dist로 미리 로드되어 있습니다.

이 연습은 강의의 일부입니다

Python으로 배우는 Generalized Linear Models

강의 보기

연습 안내

statsmodels를 sm으로, 그리고 glm() 함수를 임포트하세요.
설명 변수로 distance, 반응 변수로 switch를 사용해 로지스틱 회귀 모델을 적합하고 model_dist_1로 저장하세요.
현재 모델과 설명 변수로 distance100을 사용한 모델의 이탈도 차이를 확인해 출력하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Import functions
import ____.api as ____
from ____.____.api import ____

# Fit logistic regression model as save as model_dist_1
model_dist_1 = ____('____ ~ ____', data = ____, family = ____).____

# Check the difference in deviance of model_dist_1 and model_dist
print('Difference in deviance is: ', round(____.____ - ____.____,3))

코드 편집 및 실행