Девіація та лінійне перетворення

Як ви бачили в попередніх вправах, девіація зменшується, коли ви додаєте змінну, що покращує підгонку моделі. У цій вправі ви розглянете приклад із даними про колодязі та модель, яку ви будували зі змінною distance, але перевірите, що відбувається, коли застосовано лінійне перетворення цієї змінної.

Зверніть увагу: змінна distance100 — це початкова змінна distance, поділена на 100, щоб зробити подання та інтерпретацію результатів більш змістовними. Ви можете переглянути дані за допомогою wells.head(), щоб побачити перші 5 рядків.

Набір даних wells і модель 'swicth ~ distance100' попередньо завантажені як model_dist.

Ця вправа є частиною курсу

Узагальнені лінійні моделі в Python

Переглянути курс

Інструкції до вправи

Імпортуйте statsmodels як sm та функцію glm().
Побудуйте логістичну регресійну модель із distance як пояснювальною змінною та switch як відгуком і збережіть її як model_dist_1.
Перевірте та виведіть на друк різницю в девіації між поточною моделлю та моделлю, де пояснювальною змінною є distance100.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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))

Редагувати та запускати код