Çok değişkenli bir lojistik regresyonu uygula

Videoda edindiğin bilgilerle crab veri kümesine geri dönerek çok değişkenli bir lojistik regresyon modeli kuracaksın. Bölüm 2'de width'ü açıklayıcı değişken olarak kullandığın bir lojistik regresyon kurmuştun. Bu egzersizde ek bir değişken olarak color eklemenin etkilerini inceleyeceksin.

color değişkeni doğal bir sıralamaya sahiptir: medium light, medium, medium dark ve dark. Bu nedenle color sıralı (ordinal) bir değişkendir ve bu örnekte nicel bir değişken gibi ele alacaksın.

crab veri kümesi çalışma alanında önceden yüklüdür. Ayrıca, tek değişkenli duruma kıyasla koddaki tek farkın formula argümanında olduğunu, burada yeni değişkeni modele katmak için yapıya ekleme yapacağını unutma.

Bu egzersiz, kursun bir parçasıdır

Python ile Genelleştirilmiş Doğrusal Modeller

Kursa Göz Atın

Egzersiz talimatları

GLM'ler için gerekli fonksiyonları statsmodels kütüphanesinden içe aktar.
width ve color açıklayıcı değişkenleri, y ise yanıt olacak şekilde formula argümanını tanımla.
glm() fonksiyonunu kullanarak çok değişkenli bir lojistik regresyon modeli uygula.
Model sonuçlarını yazdır.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

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

# Define model formula
formula = '____ ~ ____'

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

# Print model summary
____(____.____)

Kodu Düzenle ve Çalıştır