ประมาณค่าพารามิเตอร์ lambda
ในวิดีโอ คุณได้เรียนรู้ว่าฟังก์ชัน log link ช่วยให้สามารถรวมพารามิเตอร์แบบเชิงเส้นในโมเดล Poisson regression ได้ในรูปแบบ
$$ log(\lambda)=\beta_0+\beta_1x_1 $$
เพื่อให้ได้ฟังก์ชันผลลัพธ์ในรูปของ lambda เราจึงยกกำลัง e ให้กับฟังก์ชันโมเดล เพื่อให้ได้
$$ \lambda=E(y)=exp(\beta_0 + \beta_1x_1) $$ $$ \lambda=E(y)=exp(\beta_0) \times exp(\beta_1x_1) $$
ในแบบฝึกหัดนี้ จะใช้สูตรนี้กับข้อมูลปูเกือกม้าเพื่อคำนวณค่าประมาณของค่าเฉลี่ย \(y\) ตามความกว้างของปูเพศเมีย
ชุดข้อมูล crab ถูกโหลดไว้ในพื้นที่ทำงานแล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Generalized Linear Models ใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Import libraries
import ____.____ as sm
from ____.formula.api import ____
# Fit Poisson regression of sat by width
model = ____('____ ~ ____', data = ____, family = ____.____.____).____
# Display model results
____(model.____)