Ước lượng hồi quy logistic đa biến

Dựa trên kiến thức trong video, bạn sẽ quay lại bộ dữ liệu crab để ước lượng một mô hình hồi quy logistic đa biến. Ở chương 2, bạn đã ước lượng hồi quy logistic với width là biến giải thích. Trong bài này, bạn sẽ phân tích tác động của việc thêm color như một biến bổ sung.

Biến color có thứ tự tự nhiên từ medium light, medium, medium dark đến dark. Vì vậy, color là một biến thứ bậc (ordinal), và trong ví dụ này bạn sẽ xử lý nó như một biến định lượng.

Bộ dữ liệu crab đã được nạp sẵn trong workspace. Cũng lưu ý rằng điểm khác biệt duy nhất trong mã so với trường hợp đơn biến nằm ở đối số formula, nơi bạn sẽ bổ sung cấu trúc để đưa biến mới vào.

Bài tập này là một phần của khóa học

Mô hình Tuyến tính Tổng quát (GLM) trong Python

Xem khóa học

Hướng dẫn bài tập

Import các hàm cần thiết từ thư viện statsmodels cho GLM.
Định nghĩa đối số formula trong đó width và color là các biến giải thích và y là biến phản hồi.
Ước lượng mô hình hồi quy logistic đa biến bằng hàm glm().
In kết quả mô hình.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# Import statsmodels
import ____.____ as sm
from ____.____.____ import glm

# Define model formula
formula = '____ ~ ____'

# Fit GLM
model = glm(____, ____ = ____, ____ = sm.____.____).____

# Print model summary
____(____.____)

Chỉnh sửa và Chạy Mã