Sapma ve doğrusal dönüşüm

Önceki egzersizlerde gördüğün gibi, modele uyumu iyileştiren bir değişken eklediğinde sapma azalır. Bu egzersizde, kuyu anahtarlama verisi örneğini ve distance değişkeniyle kurduğun modeli ele alacaksın; ancak değişkenin doğrusal bir dönüşüme uğraması durumunda neler olduğuna bakacaksın.

distance100 değişkeninin, sonuçların daha anlamlı sunumu ve yorumlanması için orijinal distance değişkeninin 100'e bölünmüş hâli olduğunu unutma. İlk 5 satırı görmek için wells.head() ile veriyi inceleyebilirsin.

wells veri kümesi ve 'swicth ~ distance100' modeli model_dist adıyla önceden yüklendi.

Bu egzersiz, kursun bir parçasıdır

Python ile Genelleştirilmiş Doğrusal Modeller

Kursa Göz Atın

Egzersiz talimatları

statsmodels'ı sm olarak ve glm() fonksiyonunu içe aktar.
Açıklayıcı değişken olarak distance, yanıt değişkeni olarak switch ile bir lojistik regresyon modeli kur ve model_dist_1 olarak kaydet.
Mevcut model ile açıklayıcı değişkeni distance100 olan modelin sapmaları arasındaki farkı kontrol edip yazdır.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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))

Kodu Düzenle ve Çalıştır