개발자를 위한 필수 수학

245

6

장

로지스틱 회귀와 분류

예제

6-15

로지스틱 회귀 모델의

p

값 계산하기

import pandas as pd

from math import log, exp

from scipy.stats import chi2

patient_data = list(pd.read_csv('https://bit.ly/33ebs2R', delimiter=",").itertuples())

# 훈련된 로지스틱 회귀 모델의 계수

b0 = -3.17576395

b1 = 0.69267212

def logistic_function(x):

p = 1.0 / (1.0 + exp(-(b0 + b1 * x)))

return p

# 훈련 후 로그 가능도 계산하기

log_likelihood_fit = sum(log(logistic_function(p.x)) * p.y +

log(1.0 - logistic_function(p.x)) * (1.0 - p.y)

for p in patient_data)

# 훈련 전 로그 가능도 계산하기

likelihood = sum(p.y for p in patient_data) / len(patient_data)

log_likelihood = sum(log(likelihood) * p.y + log(1.0 - likelihood) * (1.0 - p.y) \

for p in