比较预测值

在上一个练习中，您使用 crab 数据分别拟合了线性回归和 GLM（逻辑回归）模型，用 width 预测 y。也就是说，您希望根据雌蟹的宽度来预测其附近是否有卫星蟹的概率。

本练习中，您将进一步查看两个模型输出的估计概率，并判断线性拟合是否适合当前问题。

常见做法是用新的、未见过的样本来测试模型。这样的数据集称为测试集（test sample）。
已为您创建并加载了 test 样本。请注意，您需要为模型中出现的所有变量提供测试值，在本例中即为 width。

crab 数据集已预加载到工作区。

本练习是课程的一部分

Python 中的广义线性模型

查看课程

练习说明

使用 print() 查看 test 集。
基于 test 样本，使用已拟合的线性模型 model_LM 调用 .predict() 计算估计概率，并保存为 pred_lm。同时，使用已拟合的 GLM（逻辑回归）模型 model_GLM 调用 .predict() 计算估计概率，并保存为 pred_glm。
使用 pandas 的 DataFrame() 合并两种模型的预测，并保存为 predictions。
将 test 与 predictions 连接，保存为 all_data。使用 print() 查看 all_data。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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(____)

编辑并运行代码