Tahminleri hesapla

Uygulamada çoğu zaman, uyarlanmış lojistik regresyonu olasılıkları tahmin etmek ve bu tahminler için güven aralıkları oluşturmak amacıyla kullanırız. wells veri kümesini ve 'switch ~ arsenic' modelini kullanarak, eğitim örneğinin parçası olmayan ve en yakın güvenli kuyuya geçiş olasılığını tahmin etmek istediğin yeni gözlemler wells_test olduğunu varsayalım.

Bunu .predict() metodunun yardımıyla yapacaksın.

.predict() metodunun birkaç argüman aldığını unutma:

exog - yeni gözlemler (test veri kümesi)
transform = True - uyum formülünü y ~ x veriye uygular.

Eğer exog tanımlanmazsa, olasılıklar eğitim veri kümesi için hesaplanır.

wells_fit modeli ile wells ve wells_test veri kümeleri çalışma alanında önceden yüklüdür.

Bu egzersiz, kursun bir parçasıdır

Python ile Genelleştirilmiş Doğrusal Modeller

Kursa Göz Atın

Egzersiz talimatları

Uyumlanmış wells_fit modelini kullanarak test verisi wells_test üzerinde tahmin hesapla ve prediction olarak kaydet.
prediction değişkenini mevcut wells_test veri çerçevesine ekle ve sütun adını prediction yap.
print() kullanarak wells_testin ilk 5 satırını switch, arsenic ve prediction sütunlarıyla göster. Yalnızca ilk 5 satırı görmek için pandas fonksiyonu head() kullan.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Compute predictions for the test sample wells_test and save as prediction
prediction = ____.predict(exog = ____)

# Add prediction to the existing data frame wells_test and assign column name prediction
____[____] = ____

# Examine the first 5 computed predictions
print(____[[____, ____, ____]].head())

Kodu Düzenle ve Çalıştır