Скорость изменения вероятности
Для набора данных wells вы уже обучили модель логистической регрессии с формулой switch ~ distance100 и получили следующий результат:
$$
log(\frac{\mu}{1-\mu}) = 0.6060 - 0.6219\times distance100
$$
В этом упражнении вы воспользуетесь этой моделью, чтобы понять, как меняется оценочная вероятность при определённом значении distance100, например при 1,5 — как показано на рисунке ниже.
Вспомните формулы для обратного логита (вероятности):
$$ \mu = \frac{exp(\beta_0+\beta_1x_1)}{1+exp(\beta_0+\beta_1x_1)} $$
и наклона касательной к кривой модели в точке \(x\):
$$ \beta*\mu(1-\mu) $$
Набор данных wells и модель wells_GLM загружены в рабочую среду.
Это упражнение является частью курса
Обобщённые линейные модели в Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Define x at 1.5
x = ____
# Extract intercept & slope from the fitted model
intercept, slope = ____.____