ПочатиПочніть безкоштовно

Перевірка якості моделі

У відео ви розібрали приклад поліпшення якості моделі завдяки додаванню додаткової змінної на даних wells. Продовжуючи роботу з цим набором даних, ви побачите, як подальше ускладнення моделі впливає на девіацію та підгонку моделі.

Набір даних wells уже завантажено в робоче середовище.

Ця вправа є частиною курсу

Узагальнені лінійні моделі в Python

Переглянути курс

Інструкції до вправи

  • Побудуйте логістичну регресійну модель із switch як відгуком і distance100 та arsenic як пояснювальними змінними.
  • Обчисліть різницю девіацій між моделлю лише з вільним членом і моделлю, що містить усі змінні.
  • Виведіть обчислену різницю.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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
____(____)
Редагувати та запускати код