Коефіцієнти у термінах шансів

Раніше ви вже підігнали модель логістичної регресії для ймовірності зміни криниці залежно від рівнів arsenic. У цій вправі ви дослідите, як інша змінна distance100 пов'язана з ймовірністю зміни та як інтерпретувати значення коефіцієнтів у термінах шансів.

Пам'ятайте, що модель логістичної регресії задається через логарифм шансів, тож щоб дізнатися, у скільки разів змінюються шанси за приросту x на одиницю, потрібно взяти експоненту від оцінки коефіцієнта. Це також називають відношенням шансів (odds ratio).

Шанси — це відношення ймовірності події до ймовірності її нестанення. Наприклад, якщо шанси виграти гру дорівнюють 1/2 або 1 до 2 (1:2), це означає, що на кожну одну перемогу припадає 2 поразки.

Набір даних wells завантажено в робочу область.

Ця вправа є частиною курсу

Узагальнені лінійні моделі в Python

Переглянути курс

Інструкції до вправи

Імпортуйте бібліотеку statsmodels і функцію glm з statsmodels.formula.api. Також імпортуйте numpy як np.
За допомогою glm() підіженіть модель логістичної регресії, де switch передбачається за distance100.
Отримайте коефіцієнти моделі через .params.
Обчисліть мультиплікативний ефект на шанси за допомогою функції exp() з numpy.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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

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

# Extract model coefficients
print('Model coefficients: \n', ____.____)

# Compute the multiplicative effect on the odds
print('Odds: \n', np.____(____.____))

Редагувати та запускати код