Deviance และการแปลงเชิงเส้น

จากแบบฝึกหัดก่อนหน้า คุณได้เห็นแล้วว่า Deviance ลดลงเมื่อเพิ่มตัวแปรที่ช่วยให้โมเดล Fit ดีขึ้น ในแบบฝึกหัดนี้จะใช้ข้อมูลตัวอย่าง Well Switch และโมเดลที่ Fit ด้วยตัวแปร distance เพื่อดูว่าเกิดอะไรขึ้นเมื่อมีการแปลงตัวแปรเชิงเส้น

โปรดทราบว่าตัวแปร distance100 คือตัวแปร distance ดั้งเดิมหารด้วย 100 เพื่อให้การนำเสนอและการตีความผลลัพธ์มีความหมายมากขึ้น สามารถตรวจสอบข้อมูลด้วย wells.head() เพื่อดู 5 แถวแรก

ชุดข้อมูล wells และโมเดล 'swicth ~ distance100' ถูกโหลดไว้ล่วงหน้าในชื่อ model_dist

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Generalized Linear Models ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

Import statsmodels เป็น sm และฟังก์ชัน glm()
Fit โมเดล Logistic Regression โดยใช้ distance เป็นตัวแปรอธิบาย และ switch เป็นตัวแปรตอบสนอง แล้วบันทึกเป็น model_dist_1
ตรวจสอบและพิมพ์ค่าผลต่างของ Deviance ระหว่างโมเดลปัจจุบันกับโมเดลที่ใช้ distance100 เป็นตัวแปรอธิบาย

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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))

แก้ไขและรันโค้ด