Dopasowanie modelu regresji logistycznej

W tym ćwiczeniu będziesz pracować z danymi z badania dotyczącego skażenia wód gruntowych arsenem w Bangladeszu. Celem jest modelowanie prawdopodobieństwa zmiany studni w zależności od poziomu arsenu w danej studni.

Struktura zbioru danych:

Zbiór danych wells jest już wczytany w przestrzeni roboczej.

To ćwiczenie jest częścią kursu

Uogólnione modele liniowe w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zaimportuj statsmodels oraz glm.
Używając glm(), dopasuj model regresji logistycznej, w którym switch jest przewidywane na podstawie arsenic.
Wyświetl podsumowanie modelu za pomocą .summary().

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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(____.____)

Edytuj i uruchom kod