1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uogólnione modele liniowe w Pythonie
Connected

ćwiczenie

Dopasowanie wielozmiennej regresji logistycznej

Korzystając z wiedzy zdobytej podczas lekcji wideo, wróćmy do zbioru danych crab, aby dopasować wielozmienną regresję logistyczną. W rozdziale 2 dopasowałeś(-aś) regresję logistyczną ze zmienną width jako zmienną objaśniającą. W tym ćwiczeniu przeanalizujesz efekt dodania zmiennej color jako dodatkowej zmiennej objaśniającej.

Zmienna color ma naturalny porządek: medium light, medium, medium dark i dark. Jest to zatem zmienna porządkowa, którą w tym przykładzie potraktujesz jako zmienną ilościową.

Zbiór danych crab jest wstępnie załadowany w środowisku roboczym. Zwróć uwagę, że jedyna różnica w kodzie w stosunku do przypadku jednozmiennego polega na argumencie formuły – teraz dodasz do niej nową zmienną.

Instrukcje

100 XP
  • Zaimportuj niezbędne funkcje do pracy z GLM z biblioteki statsmodels.
  • Zdefiniuj argument formula, w którym width i color są zmiennymi objaśniającymi, a y jest zmienną odpowiedzi.
  • Dopasuj wielozmienną regresję logistyczną, używając funkcji glm().
  • Wyświetl wyniki modelu.