Trích xuất leverage và influence

Trong vài bài tập trước, bạn đã khám phá những quan sát nào có leverage và influence cao nhất. Giờ bạn sẽ trích xuất các giá trị đó từ mô hình.

mdl_price_vs_dist và taiwan_real_estate đã được cung cấp.

Bài tập này là một phần của khóa học

Giới thiệu về Hồi quy với statsmodels trong Python

Xem khóa học

Bài tập tương tác thực hành trực tiếp

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

# Create summary_info
summary_info = ____.____.____

Chỉnh sửa và Chạy Mã

Bài tập này là một phần của khóa học

Giới thiệu về Hồi quy với statsmodels trong Python

SkillTag.level.intermediateSkillTag.label

4.8+

Bắt đầu khóa học miễn phí

Bạn sẽ học những điều cơ bản của mô hình thống kê phổ biến này, hồi quy là gì, và sự khác nhau giữa hồi quy tuyến tính và hồi quy logistic. Tiếp đó, bạn sẽ học cách khớp các mô hình hồi quy tuyến tính đơn giản với biến giải thích dạng số và dạng phân loại, và cách mô tả mối quan hệ giữa biến phản hồi và biến giải thích bằng các hệ số mô hình.

Exercise 1: Câu chuyện của hai biến Exercise 2: Biến phản hồi là biến nào?Exercise 3: Trực quan hóa hai biến số dạng số Exercise 4: Khớp một mô hình hồi quy tuyến tính Exercise 5: Ước lượng hệ số chặn (intercept)Exercise 6: Ước lượng hệ số góc Exercise 7: Hồi quy tuyến tính với ols()Exercise 8: Biến giải thích dạng phân loại Exercise 9: Trực quan hóa biến số vs. biến phân loại Exercise 10: Tính giá trị trung bình theo nhóm Exercise 11: Hồi quy tuyến tính với biến giải thích phân loại

Trong chương này, bạn sẽ khám phá cách dùng các mô hình hồi quy tuyến tính để đưa ra dự đoán về giá nhà ở Đài Loan và lượt nhấp quảng cáo trên Facebook. Bạn cũng sẽ nâng cao kỹ năng hồi quy khi trực tiếp làm việc với đối tượng mô hình, hiểu khái niệm "hồi quy về trung bình" (regression to the mean), và học cách biến đổi các biến trong một tập dữ liệu.

Exercise 1: Tạo dự đoán Exercise 2: Dự đoán giá nhà Exercise 3: Trực quan hóa các dự đoán Exercise 4: Giới hạn của việc dự đoán Exercise 5: Làm việc với đối tượng mô hình Exercise 6: Trích xuất các thành phần của mô hình Exercise 7: Tự tính giá nhà bằng tay Exercise 8: Hồi quy về giá trị trung bình Exercise 9: Home run!Exercise 10: Vẽ lợi nhuận danh mục đầu tư theo năm liên tiếp Exercise 11: Mô hình hóa lợi suất liên tiếp Exercise 12: Biến đổi biến số Exercise 13: Biến đổi biến giải thích Exercise 14: Biến đổi cả biến phản hồi Exercise 15: Biến đổi ngược (Back transformation)

Trong chương này, bạn sẽ học cách đặt câu hỏi cho mô hình để đánh giá độ khớp. Bạn sẽ học cách định lượng mức độ mô hình hồi quy tuyến tính khớp với dữ liệu, chẩn đoán vấn đề của mô hình bằng trực quan hóa, và hiểu độ đòn bẩy (leverage) và ảnh hưởng (influence) của từng quan sát trong việc tạo nên mô hình.

Exercise 1: Định lượng mức độ phù hợp của mô hình Exercise 2: Hệ số xác định Exercise 3: Sai số chuẩn của phần dư (Residual standard error)Exercise 4: Trực quan hóa độ phù hợp của mô hình Exercise 5: Phần dư so với giá trị dự đoán Exercise 6: Biểu đồ Q-Q của phần dư Exercise 7: Scale-location Exercise 8: Vẽ các biểu đồ chẩn đoán Exercise 9: Giá trị ngoại lai, độ ràng buộc và mức ảnh hưởng Exercise 10: Leverage Exercise 11: Ảnh hưởng (Influence)Exercise 12: Trích xuất leverage và influence

Bài tập hiện tại

Học cách khớp các mô hình hồi quy logistic. Với dữ liệu thực tế, bạn sẽ dự đoán khả năng một khách hàng đóng tài khoản ngân hàng dưới dạng xác suất thành công và tỉ lệ cược (odds), và định lượng hiệu quả mô hình bằng ma trận nhầm lẫn.

Exercise 1: Vì sao bạn cần logistic regression Exercise 2: Khám phá các biến giải thích Exercise 3: Trực quan hóa mô hình tuyến tính và logistic Exercise 4: Hồi quy logistic với logit()Exercise 5: Dự đoán và odds Exercise 6: Xác suất Exercise 7: Kết quả có khả năng xảy ra nhất Exercise 8: Tỷ lệ odds Exercise 9: Log odds Exercise 10: Định lượng độ phù hợp của hồi quy logistic Exercise 11: Tính ma trận nhầm lẫn Exercise 12: Vẽ biểu đồ mosaic cho ma trận nhầm lẫn Exercise 13: Accuracy, sensitivity, specificity Exercise 14: Đo lường hiệu năng mô hình logistic Exercise 15: Chúc mừng