Devians och linjär transformation

Som du har sett i tidigare övningar minskade devansen när du lade till en variabel som förbättrade modellanpassningen. I den här övningen använder du datasetet wells och den modell du anpassade med variabeln distance, men du undersöker vad som händer vid en linjär transformation av variabeln.

Observera att variabeln distance100 är den ursprungliga variabeln distance dividerad med 100, för en mer meningsfull representation och tolkning av resultaten. Du kan granska data med wells.head() för att visa de första 5 raderna.

Datasetet wells och modellen 'swicth ~ distance100' har förinslästs som model_dist.

Den här övningen är en del av kursen

Generaliserade linjära modeller i Python

Visa kurs

Övningsinstruktioner

Importera statsmodels som sm och funktionen glm().
Anpassa en logistisk regressionsmodell med distance som förklarande variabel och switch som responsvariabel, och spara den som model_dist_1.
Kontrollera och skriv ut skillnaden i devians mellan den aktuella modellen och modellen med distance100 som förklarande variabel.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import functions
import ____.api as ____
from ____.____.api import ____

# Fit logistic regression model as save as model_dist_1
model_dist_1 = ____('____ ~ ____', data = ____, family = ____).____

# Check the difference in deviance of model_dist_1 and model_dist
print('Difference in deviance is: ', round(____.____ - ____.____,3))

Redigera och kör kod