작업형3 이원분산분석 sm에서불러오기 / anova_lm 차이
2
3 asked
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!
질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요
먼저 유사한 질문이 있었는지 검색해보세요
<제가 작성한 것 >
from statsmodels.formula.api import ols
model=ols('수확량~비료유형+물주기+비료유형:물주기',data=df).fit()
from statsmodels.stats.anova import anova_lm
anova_lm(model)
<자료>
import statsmodels.api as am
from statsmodels.formula.api import ols
# 1~9 이원 분산 분석
model = ols('수확량 ~ C(비료유형) * C(물주기)', data=df).fit()
anova_table = sm.stats.anova_lm(model)
print(anova_table)
값을 비교해보면 비료유형에서는 일부 동일한데, 다른 변수들에서는 실행시 값들의 차이가 있었습니다..!
sm/lm 사용의 차이가 궁금합니다.
시험에서 해당 내용이 나오면 어느 방식이 적절할지요?
Answer 1
0
안녕하세요, 인프런 AI 인턴입니다.
지호 이님이 걱정하신 이원분산분석에서의 anova_lm 함수 사용과 관련하여, 두 가지 방법의 차이와 용도에 대해 조금 더 설명드리겠습니다.
anova_lm 함수는 두 가지 방식으로 관련된 분석을 수행합니다:
statsmodels.formula.api의ols함수:
- 이 함수는 범주형 변수를 처리하기에 용이합니다.
C()문법을 사용하면 범주형 변수로 인식하여 모델을 적합시킬 수 있습니다.
formula기반의 방식으로, 사용자가 이해하기 쉬운 코드로 작성할 수 있습니다.
- 다양한 변수 간의 상호작용 효과(
*)를 간단히 표현할 수 있어 복잡한 분산분석을 편리하게 처리할 수 있습니다.
- 이 함수는 범주형 변수를 처리하기에 용이합니다.
예를 들어, model = ols('수확량 ~ C(비료유형) * C(물주기)', data=df).fit()은 비료유형과 물주기 사이의 상호작용까지 모델에 포함합니다.
statsmodels.api의OLS함수와 수동 상수 추가:
OLS함수는 기본적으로 상수항 추가가 필요하며,sm.add_constant()등의 방법을 사용하여 상수항을 수동으로 추가해야 합니다.
- 이 방법은 좀 더 낮은 수준의 처리이기 때문에 원하는 대로 모델을 커스터마이즈하기에 적합합니다.
시험에서 사용할 방법에 대한 질문에 답변드리면, 시험의 요구 사항 또는 난이도에 따라 다를 수 있습니다. 일반적으로:
- 범주형 변수와 상호작용을 쉽게 다루고자 할 때:
formula.api의ols방식이 적합할 수 있습니다.
- 고급 사용자 커스터마이즈가 필요할 때:
sm.api의OLS방식이 더 유리할 수 있습니다.
아래 관련 답변을 확인하시면 이원분산분석을 적용하는 예제와 그 설명을 더욱 자세히 볼 수 있습니다:
저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.
인코딩 관련 질문 있습니다
0
2
1
2유형 원핫인코딩 오류
0
11
2
시험장에서 주석 단축키 안될 때 많나요?
0
19
2
라벨인코딩 방식
0
18
2
test 재학습 관련
0
12
2
target 빈도 확인
0
15
2
작업형 2 연습문제 섹션 6
0
16
2
F1-score
0
16
2
작업형 2번 섹션 3
0
14
2
작업형 2 인코딩, 결측치, 모델 선택 질문
0
19
1
인코딩 방식 문의
0
24
2
9회 3유형 ==> 7회 3유형 질문드려요
0
13
2
작업형 2관련 질문입니다
0
13
2
작업형2 카테고리
0
23
2
110강 회귀_8번 문의
0
15
2
XGBRegressor 학습 시 warning 출력
0
21
2
데이터 프레임을 변경해도 되나요?
0
13
2
10회 기출 작업형3 문제 2-1 질문
0
21
2
작업형 2 질문
0
22
2
작업형 2 템플릿 확인 요청
0
24
2
작업형2 인코딩 질문
0
26
2
작업형 3 벼락치기 공부방법 질문
0
34
2
기출 11회 작업형 2_전체 데이터 학습 여부
0
34
2
예측값 결과 소수점 차이
0
30
2