1. Обучение
    2. /
  2. Курса
    3. /
  3. Обобщённые линейные модели в Python
Connected

Упражнение

Вычисление прогнозов

На практике нас часто интересует использование подобранной логистической регрессии для оценки вероятностей и построения доверительных интервалов для этих оценок. Используя набор данных wells и модель 'switch ~ arsenic', предположим, что у вас есть новые наблюдения wells_test, которые не входили в обучающую выборку, и вы хотите предсказать вероятность перехода к ближайшей безопасной скважине.

Для этого воспользуйтесь методом .predict().

Обратите внимание, что .predict() принимает несколько аргументов:

  • exog — новые наблюдения (тестовый набор данных);
  • transform = True — передаёт формулу модели y ~ x в данные.

Если аргумент exog не задан, вероятности вычисляются для обучающего набора данных.

Модель wells_fit и наборы данных wells и wells_test уже загружены в рабочую область.

Инструкции

100 XP
  • С помощью подобранной модели wells_fit вычислите прогнозы на тестовых данных wells_test и сохраните результат в переменную prediction.
  • Добавьте prediction в существующий датафрейм wells_test и назовите столбец prediction.
  • С помощью функции print() выведите первые 5 строк датафрейма wells_test со столбцами switch, arsenic и prediction. Используйте функцию pandas head(), чтобы отобразить только первые 5 строк.