Olasılıktaki değişim hızı
wells veri kümesi için switch ~ distance100 model formülüyle bir lojistik regresyon modeli zaten uydurdun ve aşağıdaki uyumu elde ettin:
$$
log(\frac{\mu}{1-\mu}) = 0.6060 - 0.6219\times distance100
$$
Bu egzersizde, aşağıdaki şekilde gösterildiği gibi distance100 için belirli bir değerde (örneğin 1.5) tahmin edilen olasılığın nasıl değiştiğini anlamak için bu modeli kullanacaksın.
ters-logit (olasılık) için formülleri anımsa
$$ \mu = \frac{exp(\beta_0+\beta_1x_1)}{1+exp(\beta_0+\beta_1x_1)} $$
ve model uyumunun \(x\) noktasındaki teğet doğrusunun eğimi:
$$ \beta*\mu(1-\mu) $$
wells veri kümesi ve wells_GLM modeli çalışma alanına yüklendi.
Bu egzersiz, kursun bir parçasıdır
Python ile Genelleştirilmiş Doğrusal Modeller
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Define x at 1.5
x = ____
# Extract intercept & slope from the fitted model
intercept, slope = ____.____