偏差与线性变换

正如您在之前的练习中所见，当加入能提升拟合效果的变量时，模型的偏差会下降。本练习中，您将继续使用井水开关（well switch）数据，以及只包含 distance 变量的模型，但需要评估当对该变量进行线性变换时会发生什么。

请注意，变量 distance100 是将原始变量 distance 除以 100，用来让结果的表示与解释更直观。您可以使用 wells.head() 查看前 5 行数据以检查数据。

wells 数据集以及公式 'swicth ~ distance100' 对应的模型已预加载为 model_dist。

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

导入 statsmodels 并命名为 sm，以及导入 glm() 函数。
拟合一个以 distance 为自变量、switch 为因变量的逻辑回归模型，并保存为 model_dist_1。
比较并打印当前模型与以 distance100 为自变量的模型在偏差（deviance）上的差值。

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 functions
import ____.api as ____
from ____.____.api import ____

# Fit logistic regression model as save as model_dist_1
model_dist_1 = ____('____ ~ ____', data = ____, family = ____).____

# Check the difference in deviance of model_dist_1 and model_dist
print('Difference in deviance is: ', round(____.____ - ____.____,3))

编辑并运行代码