Коэффициенты в терминах шансов

Ранее вы строили модель логистической регрессии для вероятности смены колодца в зависимости от уровня arsenic. В этом упражнении вы изучите, как другая переменная — distance100 — связана с этой вероятностью, и научитесь интерпретировать коэффициенты модели в терминах шансов.

Напомним, что логистическая регрессия строится в терминах логарифма шансов. Чтобы узнать, во сколько раз изменятся шансы при увеличении x на единицу, нужно экспоненцировать оценки коэффициентов. Такая величина называется отношением шансов.

Шансы — это отношение вероятности наступления события к вероятности его ненаступления. Например, если шансы выиграть в игре равны 1/2, или 1 к 2 (1:2), это означает, что на каждую победу приходится 2 поражения.

Набор данных wells уже загружен в рабочую среду.

Это упражнение является частью курса

Обобщённые линейные модели в Python

Посмотреть курс

Инструкции к упражнению

Импортируйте библиотеку statsmodels и функцию glm из statsmodels.formula.api. Также импортируйте numpy как np.
С помощью glm() постройте модель логистической регрессии, в которой switch предсказывается по distance100.
Извлеките коэффициенты модели с помощью .params.
Вычислите мультипликативный эффект на шансы, используя функцию exp() из numpy.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Load libraries and functions
import ____.api as sm
from ____.____.api import glm
import ____ as ____

# Fit logistic regression model
model_GLM = ____(formula = ____,
                data = ____,
                family = ____.____.____).____ 

# Extract model coefficients
print('Model coefficients: \n', ____.____)

# Compute the multiplicative effect on the odds
print('Odds: \n', np.____(____.____))

Редактировать и запускать код