Обучение многомерной логистической регрессии

Используя знания, полученные в видеоуроке, вы вернётесь к набору данных crab и построите многомерную модель логистической регрессии. В главе 2 вы обучили логистическую регрессию с переменной width в качестве объясняющей. В этом упражнении вы изучите, как добавление переменной color влияет на результат.

Переменная color имеет естественный порядок: medium light, medium, medium dark и dark. Таким образом, color является порядковой переменной, которую в данном примере вы будете рассматривать как количественную.

Набор данных crab уже загружен в рабочую область. Обратите внимание: единственное отличие от одномерного случая — в аргументе формулы, куда теперь нужно добавить новую переменную.

Это упражнение является частью курса

Обобщённые линейные модели в Python

Посмотреть курс

Инструкции к упражнению

Импортируйте необходимые функции из библиотеки statsmodels для обобщённых линейных моделей.
Определите аргумент formula, где width и color — объясняющие переменные, а y — зависимая.
Обучите многомерную модель логистической регрессии с помощью функции glm().
Выведите результаты модели.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Import statsmodels
import ____.____ as sm
from ____.____.____ import glm

# Define model formula
formula = '____ ~ ____'

# Fit GLM
model = glm(____, ____ = ____, ____ = sm.____.____).____

# Print model summary
____(____.____)

Редактировать и запускать код