Model uyumunu kontrol etme

Videoda, wells verisinde modele ek değişken katarak model uyumunun nasıl iyileştiğini inceledin. Bu veri kümesiyle devam ederek, model karmaşıklığındaki daha fazla artışın saçılım (deviance) ve model uyumu üzerindeki etkisini göreceksin.

wells veri kümesi çalışma alanına önceden yüklenmiştir.

Bu egzersiz, kursun bir parçasıdır

Python ile Genelleştirilmiş Doğrusal Modeller

Kursa Göz Atın

Egzersiz talimatları

Bağımlı değişkeni switch olan ve açıklayıcı değişkenleri distance100 ve arsenic içeren bir lojistik regresyon modeli kur.
Yalnızca sabit terimi içeren model ile tüm değişkenleri içeren modelin saçılım (deviance) farkını hesapla.
Hesapladığın farkı 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_dist_ars = glm(____, ____ = ____, ____ = sm.____.____).____

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

# Print the computed difference in deviance
____(____)

Kodu Düzenle ve Çalıştır