การตรวจสอบความพอดีของโมเดล

ในวิดีโอได้วิเคราะห์ตัวอย่างการปรับปรุงความพอดีของโมเดลด้วยการเพิ่มตัวแปรลงในชุดข้อมูล wells แล้ว แบบฝึกหัดนี้จะต่อยอดจากชุดข้อมูลเดียวกัน เพื่อดูว่าการเพิ่มความซับซ้อนของโมเดลส่งผลต่อค่า deviance และความพอดีของโมเดลอย่างไร

ชุดข้อมูล wells ถูกโหลดไว้ใน workspace แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Generalized Linear Models ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

สร้างโมเดล logistic regression โดยใช้ switch เป็นตัวแปรตอบสนอง และ distance100 กับ arsenic เป็นตัวแปรอธิบาย
คำนวณผลต่างของค่า deviance ระหว่างโมเดลที่มีแค่ค่าตัดแกน (intercept only model) กับโมเดลที่รวมตัวแปรทั้งหมด
พิมพ์ผลต่างที่คำนวณได้

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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

# Define model formula
formula = '____ ~ ____'

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

# Compare deviance of null and residual model
diff_deviance = ____.____ - ____.____

# Print the computed difference in deviance
____(____)

แก้ไขและรันโค้ด