比較預測值
在前一個練習中，你已經使用 crab 資料，分別擬合了線性迴歸與 GLM（邏輯斯）模型，以 width 預測 y。換句話說，你想根據雌蟹的寬度，預測牠附近是否有附著蟹（satellite crab）的機率。
在本練習中，你會進一步檢視兩個模型輸出的機率估計值，並嘗試判斷線性擬合是否適合這個問題。
一般做法是用新的、尚未看過的資料來測試模型。這樣的資料集稱為測試樣本（test sample）。
test 樣本已為你建立並載入至工作區。請注意，你必須為模型中出現的所有變數提供測試值，在本例中是 width。
crab 資料集已預先載入至工作區。
本練習屬於課程
Generalized Linear Models in Python
練習說明
- 使用
print()檢視test集。 - 使用
test樣本，對已擬合的線性模型model_LM呼叫.predict()計算機率估計並存為pred_lm。同樣地，對已擬合的 GLM（邏輯斯）模型model_GLM呼叫.predict()並存為pred_glm。 - 使用
pandas的DataFrame()合併兩個模型的預測結果並存為predictions。 - 將
test與predictions串接後存為all_data。使用print()檢視all_data。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# View test set
print(____)
# Compute estimated probabilities for linear model: pred_lm
____ = model_LM.____(____)
# Compute estimated probabilities for GLM model: pred_glm
____ = model_GLM.____(____)
# Create dataframe of predictions for linear and GLM model: predictions
____ = pd.DataFrame({'Pred_LM': ____, 'Pred_GLM': ____})
# Concatenate test sample and predictions and view the results
all_data = pd.concat([____, ____], axis = 1)
print(____)