Підібрати логістичну регресію

У цій вправі ви продовжите роботу з даними дослідження забруднення підземних вод миш'яком у Бангладеш. Ваше завдання — змоделювати ймовірність переходу на іншу криницю залежно від рівня миш'яку в поточній.

Згадайте структуру набору даних:

Набір даних wells попередньо завантажено в робочу область.

Ця вправа є частиною курсу

Узагальнені лінійні моделі в Python

Переглянути курс

Інструкції до вправи

Імпортуйте statsmodels і glm.
За допомогою glm() навчіть модель логістичної регресії, у якій switch прогнозується за arsenic.
Виведіть зведення моделі за допомогою .summary().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Load libraries and functions
import ____.api as sm
from ____.____.api import glm

# Fit logistic regression model
model_GLM = ____(formula = ____,
                data = ____,
                family = ____.____.____).____ 

# Print model summary
print(____.____)

Редагувати та запускати код