Calculează predicții

În practică, suntem adesea interesați să folosim regresia logistică ajustată pentru a estima probabilitățile și a construi intervale de încredere pentru aceste estimări. Folosind setul de date wells și modelul 'switch ~ arsenic', să presupunem că ai observații noi, wells_test, care nu au făcut parte din eșantionul de antrenament, și dorești să prezici probabilitatea de a schimba la cel mai apropiat puț sigur.

Vei face acest lucru cu ajutorul metodei .predict().

Reține că .predict() primește mai multe argumente:

exog - observații noi (setul de date de testare)
transform = True - aplică formula modelului y ~ x asupra datelor.

Dacă exog nu este definit, probabilitățile se calculează pentru setul de date de antrenament.

Modelul wells_fit și seturile de date wells și wells_test sunt preîncărcate în spațiul de lucru.

Acest exercițiu face parte din cursul

Modele Liniare Generalizate în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Folosind modelul ajustat wells_fit, calculează predicțiile pe datele de testare wells_test și salvează rezultatul ca prediction.
Adaugă prediction la dataframe-ul existent wells_test și denumește coloana prediction.
Folosind print(), afișează primele 5 rânduri din wells_test cu coloanele switch, arsenic și prediction. Folosește funcția head() din pandas pentru a vizualiza doar primele 5 rânduri.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Compute predictions for the test sample wells_test and save as prediction
prediction = ____.predict(exog = ____)

# Add prediction to the existing data frame wells_test and assign column name prediction
____[____] = ____

# Examine the first 5 computed predictions
print(____[[____, ____, ____]].head())

Editează și rulează codul