Anpassa en multivariabel logistisk regression

Med hjälp av kunskaperna från videon återvänder du nu till crab-datamängden för att anpassa en multivariat logistisk regressionsmodell. I kapitel 2 anpassade du en logistisk regression med width som förklarande variabel. I den här övningen undersöker du effekten av att lägga till color som ytterligare variabel.

Variabeln color har en naturlig ordning från medium light, medium, medium dark och dark. Det gör color till en ordinalvariabel, som du i det här exemplet behandlar som en kvantitativ variabel.

Datamängden crab är förinstallerad i arbetsmiljön. Observera att den enda skillnaden i koden jämfört med det univariata fallet finns i formelargumentet, där du nu utökar strukturen för att inkludera den nya variabeln.

Den här övningen är en del av kursen

Generaliserade linjära modeller i Python

Visa kurs

Övningsinstruktioner

Importera nödvändiga funktioner från biblioteket statsmodels för GLM:er.
Definiera formula-argumentet där width och color är förklarande variabler och y är responsvariabeln.
Anpassa en multivariat logistisk regressionsmodell med funktionen glm().
Skriv ut modellresultaten.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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

# Define model formula
formula = '____ ~ ____'

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

# Print model summary
____(____.____)

Redigera och kör kod