๋ฌธ์ : **train์ผ๋ก ๋ก์ง์คํฑ ํ๊ท ์งํํ์ ๊ฒฝ์ฐ ์์ฐจ ์ดํ๋ (residual deviance)๋ฅผ ๊ณ์ฐํ๋ผ**
# ๋ก์ง์คํฑ ํ๊ท๋ชจํ ์ ํฉ (GLM ์ฌ์ฉ) -> ์ดํญ๋ถํฌ์ ๋ก์ง์คํฑํ๊ท
model2 = sm.GLM(y, X, family=sm.families.Binomial()).fit()
# ์์ฐจ ์ดํ๋(residual deviance) ๊ณ์ฐ
residual_deviance = model2.deviance
print(residual_deviance)
์์ฐจ์ดํ๋ ๊ตฌํ๋ ๋ฒ์ ๋ค์ด๋ณธ ์ ๋ ์๋๊ฒ ์ด๊ฒ ๋ญ๋? ์ฐพ์๋ดค๋ค..
'R์ ๊ฒฝ์ฐ ํด๋น ํต๊ณ๋์ด Summary์ footnote๋ก ์ถ๋ ฅ๋๋ ๋ฐ๋ฉด ํ์ด์ฌ์ ์ฌ์ดํท๋ฐ ๋ฉํธ๋ฆญ์ค๋ฅผ ์ฐพ์์ ์ถ๋ ฅํด์ผ ํด์ ์ฌ์ฉ ์ธ์ด์ ๋ฐ๋ผ ์ ๋ถ๋ฆฌ๊ฐ ๋ฌ๋๋ค.'
[์ถ์ฒ] ๋น ๋ฐ์ดํฐ ๋ถ์๊ธฐ์ฌ ์ค๊ธฐ ํ๊ธฐ|์์ฑ์ PDY
๊ทธ๋ ๋ค, ๋ชจ๋ฅด๋ ๋ด์ฉ์ด๋ผ์ ์ฝ๋๋ฅผ ์ธ์ฐ๊ธฐ๋ก ํ๋ค.
๋ก์ง์คํฑ์ผ๋ก ํ๊ทํ ๋ค์์
model.deviance๋ฅผ ํ๋๋ ๋ก์ง์คํฑ์ ์์ฐจ ์ดํ๋๋ฅผ ๊ตฌํ ์๊ฐ ์๋๋ณด๋ค
์ ํ์์ ์ธ์ธ ์๋ฐ์ ์๋ค..