Modelul liniar și o variabilă răspuns binară

În video, ai văzut un exemplu de ajustare a unui model liniar la o variabilă răspuns binară și cum lucrurile pot merge rapid în direcția greșită. Ai învățat că, pe baza dreptei ajustate, poți obține valori estimate \(\hat{y}\), care nu sunt în concordanță cu logica problemei, deoarece variabila răspuns ia valorile 0 și 1.

Folosind setul de date preîncărcat crab, vei studia acest efect modelând y ca funcție de x în cadrul GLM.

Reamintește-ți că formularea modelului GLM este:

glm(formula = 'y ~ X', data = my_data, family = sm.families.____).fit()

unde specifici formula, data și family.

De asemenea, reține că un GLM cu:

familia Gaussiană este un model liniar (caz special al GLM-urilor)
familia Binomială este un model de regresie logistică.

Acest exercițiu face parte din cursul

Modele Liniare Generalizate în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Folosind setul de date crab, definește formula modelului astfel încât y să fie prezis de width.
Pentru a ajusta un model liniar cu formula GLM, folosește Gaussian() pentru argumentul family, care presupune că y este continuă și aproximativ normal distribuită.
Pentru a ajusta un model logistic cu formula GLM, folosește Binomial() pentru argumentul family.
Ajustează un model folosind glm() cu argumentele corespunzătoare și folosește print() și summary() pentru a vizualiza rezumatele modelelor ajustate.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Define model formula
formula = '____ ~ ____'

# Define probability distribution for the response variable for 
# the linear (LM) and logistic (GLM) model
family_LM = sm.families.____
family_GLM = sm.families.____

# Define and fit a linear regression model
model_LM = glm(formula = ____, data = ____, family = ____).fit()
print(____.____)

# Define and fit a logistic regression model
model_GLM = glm(formula = ____, data = ____, family = ____).fit()
print(____.____)

Editează și rulează codul