Kiểm tra độ phù hợp của mô hình
Trong video, bạn đã phân tích ví dụ về việc cải thiện độ phù hợp của mô hình bằng cách thêm biến mới trên dữ liệu wells. Tiếp tục với bộ dữ liệu này, bạn sẽ thấy việc tăng thêm độ phức tạp của mô hình ảnh hưởng thế nào đến deviance và độ phù hợp mô hình.
Bộ dữ liệu wells đã được nạp sẵn trong không gian làm việc.
Bài tập này là một phần của khóa học
Mô hình Tuyến tính Tổng quát (GLM) trong Python
Hướng dẫn bài tập
- Khớp một mô hình hồi quy logistic với
switchlà biến phản hồi vàdistance100cùngarseniclà các biến giải thích. - Tính độ chênh lệch deviance giữa mô hình chỉ có hệ số chặn và mô hình bao gồm tất cả các biến.
- In ra giá trị chênh lệch đã tính.
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_dist_ars = glm(____, ____ = ____, ____ = sm.____.____).____
# Compare deviance of null and residual model
diff_deviance = ____.____ - ____.____
# Print the computed difference in deviance
____(____)