Verificarea potrivirii modelului

În videoclip ai analizat un exemplu de îmbunătățire a potrivirii modelului prin adăugarea unei variabile suplimentare pe datele wells. Continuând cu același set de date, vei vedea cum o creștere suplimentară a complexității modelului influențează devianta și potrivirea modelului.

Setul de date wells a fost preîncărcat în spațiul de lucru.

Acest exercițiu face parte din cursul

Modele Liniare Generalizate în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Antrenează un model de regresie logistică cu switch ca variabilă răspuns și distance100 și arsenic ca variabile explicative.
Calculează diferența de devianță dintre modelul doar cu interceptul și modelul care include toate variabilele.
Afișează diferența calculată.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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
____(____)

Editează și rulează codul