Modelowanie ze zmienną kategoryczną
W poprzednich ćwiczeniach dopasowywałeś model regresji logistycznej ze zmienną color jako zmienną objaśniającą wraz z width, traktując color jako zmienną ilościową. W tym ćwiczeniu potraktujesz color jako zmienną kategoryczną – podczas budowy macierzy modelu zostanie ona zakodowana jako 3 zmienne binarne z kodowaniem 0/1.
Pamiętaj, że domyślne kodowanie w dmatrix() używa pierwszej grupy jako grupy referencyjnej. Aby wyświetlić macierz modelu jako ramkę danych, ustaw dodatkowy argument return_type w dmatrix() na wartość 'dataframe'.
Zmienna color ma następujące naturalne porządkowanie:
1: medium light
2: medium
3: medium dark
4: dark
Zbiór danych crab jest już wczytany do przestrzeni roboczej.
To ćwiczenie jest częścią kursu
Uogólnione modele liniowe w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Construct model matrix
model_matrix = ____('C(____, ____(____))' , data = ____,
return_type = 'dataframe')
# Print first 5 rows of model matrix dataframe
print(____.____)
# Fit and print the results of a glm model with the above model matrix configuration
model = ____('____ ~ ____(____, ____(____))', data = ____,
family = ____).____
print(____.____)