1. Learn
    2. /
  2. คอร์ส
    3. /
  3. Обобщённые линейные модели в Python
Connected

แบบฝึกหัด

Сравнение предсказанных значений

В предыдущем упражнении вы обучили линейную модель и модель GLM (логистическую регрессию) на данных crab, предсказывая y по width. Иными словами, задача состояла в том, чтобы оценить вероятность наличия краба-сателлита рядом с самкой в зависимости от её ширины.

В этом упражнении вы подробнее изучите оценённые вероятности (выходные значения) обеих моделей и попробуете определить, подходит ли линейная модель для данной задачи.

Стандартная практика — проверять модель на новых, ранее не виденных, данных. Такой набор данных называется тестовой выборкой.
Тестовая выборка test уже создана и загружена в рабочую область. Обратите внимание, что для предсказания необходимы значения всех переменных, входящих в модель — в данном случае это width.

Набор данных crab предварительно загружен в рабочую область.

คำแนะนำ

100 XP
  • С помощью print() выведите тестовую выборку test.
  • Используя выборку test, вычислите оценённые вероятности с помощью .predict() на основе обученной линейной модели model_LM и сохраните результат в pred_lm. Затем вычислите оценённые вероятности с помощью .predict() на основе обученной модели GLM (логистической), сохранённой в model_GLM, и запишите результат в pred_glm.
  • С помощью DataFrame() из pandas объедините предсказания обеих моделей и сохраните результат в predictions.
  • Объедините test и predictions и сохраните в all_data. Выведите all_data с помощью print().