【SCAU数据挖掘】python最大似然估计，逻辑回归参数估计随堂练习

最大似然估计就是不断调整，最终找到使得模型预测结果与实际数据最为接近的最佳参数

题目要求：

某医院为了研究导致手术切口感染的原因，收集了295例手术患者的情况。其中，手术时间小于或等于5h的有242例，感染者13例；手术时间大于5h的有53例，感染者7例。如表所示。试建立手术切口感染(v)关于手术时间(x)的逻辑回归模型。

介绍：

使用逻辑回归来建立一个模型，预测手术切口感染(v)关于手术时间(x)的概率。逻辑回归是一个分类算法，适用于预测二元结果（比如感染或不感染）

以下代码仅供参考：

代码一：

介绍：演示如何使用statsmodels库中的Logit类来构建逻辑回归模型，并使用该模型进行参数估计和预测。

1. statsmodels.api as sm：导入statsmodels库，该库提供了许多统计模型，包括线性模型、广义线性模型、鲁棒线性模型、离散选择模型和时间序列分析。

2. 构造数据：创建一个字典data，其中包含两个键：'手术时间'和'感染'。'手术时间'的值为一