Ocena dopasowania modelu

W materiale wideo analizowano przykład poprawy dopasowania modelu poprzez dodanie dodatkowej zmiennej do zbioru danych wells. Kontynuując pracę z tym zbiorem, zobaczysz, jak dalsze zwiększanie złożoności modelu wpływa na dewiancję i dopasowanie modelu.

Zbiór danych wells został wcześniej wczytany do przestrzeni roboczej.

To ćwiczenie jest częścią kursu

Uogólnione modele liniowe w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Dopasuj model regresji logistycznej ze zmienną switch jako zmienną odpowiedzi oraz distance100 i arsenic jako zmiennymi objaśniającymi.
Oblicz różnicę dewiancji między modelem zawierającym tylko wyraz wolny a modelem uwzględniającym wszystkie zmienne.
Wydrukuj obliczoną różnicę.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import statsmodels
import ____.____ as sm
from ____.____.____ import glm

# Define model formula
formula = '____ ~ ____'

# Fit GLM
model_dist_ars = glm(____, ____ = ____, ____ = sm.____.____).____

# Compare deviance of null and residual model
diff_deviance = ____.____ - ____.____

# Print the computed difference in deviance
____(____)

Edytuj i uruchom kod