Deviația și transformarea liniară

Așa cum ai văzut în exercițiile anterioare, deviația a scăzut pe măsură ce ai adăugat o variabilă care îmbunătățește ajustarea modelului. În acest exercițiu vei analiza exemplul cu datele despre schimbarea surselor de apă și modelul ajustat cu variabila distance, evaluând ce se întâmplă atunci când variabila suferă o transformare liniară.

Rețineobservă că variabila distance100 este variabila originală distance împărțită la 100, pentru o reprezentare și o interpretare mai semnificativă a rezultatelor. Poți inspecta datele cu wells.head() pentru a vedea primele 5 rânduri.

Setul de date wells și modelul 'swicth ~ distance100' au fost preîncărcate sub numele model_dist.

Acest exercițiu face parte din cursul

Modele Liniare Generalizate în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Importă statsmodels ca sm și funcția glm().
Ajustează un model de regresie logistică cu distance ca variabilă explicativă și switch ca variabilă răspuns, și salvează-l ca model_dist_1.
Calculează și afișează diferența de deviație dintre modelul curent și modelul cu distance100 ca variabilă explicativă.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import functions
import ____.api as ____
from ____.____.api import ____

# Fit logistic regression model as save as model_dist_1
model_dist_1 = ____('____ ~ ____', data = ____, family = ____).____

# Check the difference in deviance of model_dist_1 and model_dist
print('Difference in deviance is: ', round(____.____ - ____.____,3))

Editează și rulează codul