检验模型拟合
在视频中，您分析了在 wells 数据上通过加入额外变量来改进模型拟合的示例。继续使用该数据集，您将看到在进一步提高模型复杂度时，对离差和模型拟合的影响。
数据集 wells 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
练习说明
- 拟合以
switch为因变量、distance100和arsenic为自变量的逻辑回归模型。 - 计算仅含截距模型与包含所有变量的模型之间的离差差值。
- 打印计算得到的差值。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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
____(____)