Python statsmodels等同于R准二项式GLM？
Python statsmodels是一个用于统计建模和计量经济学的Python库，它提供了丰富的统计模型和方法。虽然statsmodels可以用于拟合准二项式广义线性模型（GLM），但它并不直接等同于R中的准二项式GLM。
准二项式GLM是一种广义线性模型，用于处理二项式数据，其中每个观测值都有一个二项式分布。它可以用于建模二项式数据的概率分布，并通过最大似然估计来拟合模型参数。R中的准二项式GLM函数可以通过指定family参数为quasibinomial来实现。
相比之下，Python statsmodels库中的GLM函数可以用于拟合广义线性模型，包括二项式分布。但是，statsmodels的GLM函数默认使用正态分布作为误差分布，因此在拟合准二项式GLM时需要手动指定family参数为Binomial，并选择适当的链接函数（如logit或probit）。
总之，虽然Python statsmodels可以用于拟合准二项式GLM，但在使用时需要手动指定family参数和链接函数，以适应特定的数据和模型需求。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云云服务器（CVM）：提供可扩展的云服务器实例，适用于各种应用场景。详情请参考：https://cloud.tencent.com/product/cvm
- 腾讯云云数据库MySQL版：提供高性能、可扩展的MySQL数据库服务，适用于各种规模的应用。详情请参考：https://cloud.tencent.com/product/cdb_mysql
- 腾讯云人工智能平台（AI Lab）：提供丰富的人工智能服务和工具，包括图像识别、语音识别、自然语言处理等。详情请参考：https://cloud.tencent.com/product/ailab
- 腾讯云物联网平台（IoT Hub）：提供全面的物联网解决方案，包括设备管理、数据采集、数据分析等功能。详情请参考：https://cloud.tencent.com/product/iothub
- 腾讯云移动应用开发平台（MADP）：提供一站式移动应用开发和运营服务，支持多平台开发和云端托管。详情请参考：https://cloud.tencent.com/product/madp
相关·内容
我有一个关于GLM的R示例教程，它们使用了一个准二项式族(即介于0和1之间的值)。
我想用python复制它，使用statsmodel，但我看不到statsmodel中的准二项式族的等价物。
有没有等价物？
浏览 20提问于2020-05-18得票数 1
1回答
包pymc3和statsmodels可以处理Python中的负二项式GLM，如所示
E(Y) = e^(beta_0 + Sigma (X_i * beta_i))
其中，X_is是我的预测变量，Y是我的因变量。是否有办法强制一个我的变量(例如X_1)有beta_1=1，以便算法优化其他系数。我愿意同时使用pymc3和statsmodels。谢谢。
浏览 0提问于2017-10-19得票数 1
回答已采纳
我从StatsModels开始，来自Minitab。并且我找不到使用事件/试验格式的响应进行二进制逻辑回归的选项。
下面是我所说的一个非常简单的例子:我有这样的数据，按变量分组，一边是事件数量(二进制中的1的数量)，另一边是试验的数量(0和1的数量)：
你知道怎么把这个告诉StatsModels吗？
非常感谢！
浏览 38提问于2016-03-28得票数 1
我是个新手，很难理解我的逻辑回归的结果。我的响应变量有两个值--“multiplex”和“subterraneus”。当在“microtus.train”数据帧上使用factor()函数时，我按该顺序得到“mutiplex和subterraneus”。在我对模型进行拟合并预测响应后，我很难理解这个概率意味着什么。这些概率是否意味着观察的概率是“地下”的？当我使用“对比(microtus.train$Group)”语句时，我得到了下面的表格。
> contrasts(microtus.train$Group)
subterraneus
multiplex
浏览 1提问于2017-12-10得票数 0
回答已采纳
这也许是个微不足道的问题，但我不知道在哪里能找到答案。我想知道在R中使用glm()进行logistic回归时，如果响应变量Y的因子值为1或2，那么glm()的结果是否与logit(P(Y=1))或logit(P(Y=2))相对应？如果Y有逻辑值TRUE或FALSE怎么办
浏览 3提问于2020-06-21得票数 2
回答已采纳
1回答
我在使用glm在R中运行逻辑回归时遇到了一些困难。有两种方法可以将二进制响应变量传递到glm以执行logistic回归。您可以将数据以串行数据格式传递给glm (例如，每次观察一行，响应变量为0或1，自变量以任何值传递给glm)，也可以将其作为一个表传递给glm，至少有三列:第一列表示试验次数，第二列表示成功次数，第三列表示独立变量。
当我使用后一种数据格式(例如有三列的数据帧)使用glm时，我得到了预期的输出，但是当我使用前一种数据(即串行数据格式)输入数据时，我无法得到预期的答案。
下面是一个例子
prices <- c(89.99, 99.99, 149.99)
non_purch
浏览 3提问于2017-12-11得票数 1
回答已采纳
1回答
我如何选择链接函数为我的GLM图形？在我的例子中，我想用logit函数来表示拟二项式族。
示例数据：
research_year <- c(1, 2, 3, 4, 5, 6, 7, 8, 9)
relative_number <- c(0.1, 0.15, 0.16, 0.23, 0.30, 0.35, 0.36, 0.38, 0.42)
relative_data <- data.frame(research_year, relative_number)
relative_data
使用的代码：
ggplot(data=relative_data, aes(x= res
浏览 2提问于2017-09-19得票数 2
回答已采纳
问:一个有效的零充气准泊松模型能在R中拟合吗？
我知道零充气泊松和零充气负二项环都可以适用于每个pscl::zeroinfl()和glmmADMB::glmmadmb()。
然而，在pscl::zeroinfl()的帮助文件示例中，准泊松是在没有通货膨胀的情况下安装的，但在通胀演示中却被忽略了：
## data
data("bioChemists", package = "pscl")
## without inflation
## ("art ~ ." is "art ~ fem + mar + kid5 + phd + ment&#
浏览 3提问于2015-08-29得票数 1
回答已采纳
注:这是一个交叉张贴。我上周把这个问题发到了“交叉验证”上，但是，它要么不适合那里，要么没有被识别-因此，我试图在这里得到一个答案……
当我运行带有二项式族(logistic回归)的glm时，R输出给出了logit估计，可以使用plogis(logit)将其转换为概率。因此，使用像plogis(predict(glm_fit, type = "terms"))这样的方法可以为每个预测器提供调整后的成功概率。
但是Poisson回归的等价性是什么呢？我如何“预测”每一个预测器的调整事件率？
鉴于这个例子：
set.seed(123)
dat <- data.frame(y
浏览 1提问于2015-10-19得票数 3
回答已采纳
1回答
我正试图将R代码转换为Python，但在复制R{stats}函数时遇到了麻烦，该函数包含“权重”，允许在拟合过程中使用权重。
我的最终目标是使用状态模型库在Python中简单地运行一个加权线性回归。
通过搜索Statsmodels问题，我找到了和，这使我认为这在Statsmodels中是不可能的。
是否有可能在Statsmodels中向GLM模型添加权重，或者是否有更好的方法在python中运行加权线性回归？
浏览 6提问于2016-11-30得票数 1
回答已采纳
1回答
状态模型.绘制拟合分布
、、、、
以下代码适用于使用statsmodels的过度简化的广义线性模型
model = smf.glm('Y ~ 1', family=sm.families.NegativeBinomial(), data=df)
results = model.fit()
这给出了系数和一个stderr：
coef stderr
Intercept 2.9471 0.120
现在，我想用图形的方式比较变量Y(直方图)的实际分布和来自模型的分布。
但是我需要两个参数r和p来计算和绘制stats.nbinom(r,p)。
是否有方法从拟合结果中检索参数？我
浏览 22提问于2014-05-22得票数 2
回答已采纳
2回答
在R中使用logistic回归时，“glm”函数(族=二项式)的数据输入可以是：(家庭)的几种格式，特别是以下格式：
.
对于二项式和准二项式家庭，可以通过以下三种方式之一指定响应：
.
作为数值介于0和1之间的数值向量，解释为成功案例的比例(由权重给出的案例总数)。
我有汇总数据，表示试验成功的比例(0到1之间)和它们的等效权重，我有兴趣用它应用logistic回归，这在R中是微不足道的。
不幸的是，我不能在这个项目中使用R，并且希望使用scikit-learn来估计logistic回归系数。更精确地说，我希望以一种输入的形式应用sklearn.linear_model.Logist
浏览 1提问于2016-01-06得票数 3
3回答
我正在尝试使用Statsmodels模块将以下代码从R转换为Python：
model <- glm(goals ~ att + def + home - (1), data=df, family=poisson, weights=weight)
我使用pandas得到了一个类似的dataframe (名为df)，目前在Python中有以下代码行(版本3.4，如果有区别的话)：
model = sm.Poisson.from_formula("goals ~ att + def + home - 1", df).fit()
或者，使用GLM：
smf.glm("g
浏览 2提问于2015-03-10得票数 1
2回答
我试图得到GLM中每个协变量的F-统计量和p-值。在Python中，我使用stats mode.formula.api来执行GLM。
formula = 'PropNo_Pred ~ Geography + log10BMI + Cat_OpCavity + CatLes_neles + CatRural_urban + \
CatPred_Control + CatNative_Intro + Midpoint_of_study'
mod1 = smf.glm(formula=formula, data=A2, family=sm.families.Bino
浏览 1提问于2014-12-06得票数 7
回答已采纳
我试图建立一个以反应为诊断的logistic回归模型(2因子变量: B，M)。我在建立一个logistic回归模型时遇到了一个错误：
Error in model.matrix.default(mt, mf, contrasts) :
variable 1 has no levels
我想不出如何解决这个问题。
R代码：
Cancer <- read.csv("Breast_Cancer.csv")
## Logistic Regression Model
lm.fit <- glm(diagnosis~.-id-X, data = Cancer, fa
浏览 3提问于2020-07-26得票数 0
回答已采纳
1回答
我有百分比，需要计算回归。根据基本统计，使用logistic回归比OLS更好，因为百分比使连续和无约束的值空间的要求无效。 到现在为止还好。但是，我在R、Python和Matlab中得到了不同的结果。事实上，Matlab甚至报告了python不会报告的重要值。 我的模型看起来像： R:
summary(glm(foo ~ 1 + bar + baz , family = "binomial", data = <<data>>))
Python via statsmodels:
smf.logit('foo ~ 1 + bar + baz&#
浏览 27提问于2019-08-28得票数 0
回答已采纳
我对R模型比较陌生，我遇到了GLM的建模功能。我对使用家庭“二项式”的Logistic回归感兴趣。我的问题是，当我的因变量可以接受两种可能的结果之一--比如“正”、“负”--计算估计值的默认结果是什么--该模型默认预测“正”或“负”结果的日志概率吗？此外，当因变量为
Yes或No
1或2
Pass或Fail
等等？
是否有规则R选择此默认值？有办法手动覆盖它吗？请澄清。
浏览 5提问于2017-01-08得票数 3
2回答
柯西家族的GLM
、、
我想用family=Cauchy()在R上训练一个GLM，但我找不到任何东西来做。看起来它没有意义，或者高斯家族做了这项工作。有人能给我解释一下怎么做或者为什么我不能做吗？
浏览 13提问于2021-09-02得票数 0
1回答
我建立了一个二项glm模型。该模型预测两个潜在类之间的输出: AD或Control。这些变量是具有级别的因素：{AD，Control}。我使用这个模型来预测和获得每个样本的概率，但我不清楚概率是否超过0.5表示AD或Control。
这是我的数据集：
> head(example)
cleaned_mayo$Diagnosis pca_results$x[, 1]
1052_TCX AD 0.9613241
1104_TCX AD -0.9327390
浏览 3提问于2017-12-06得票数 3
回答已采纳
1回答
统计模型泊松glm不同于R
、、、、
我正在尝试根据R中提供的一些代码来拟合一些模型(空间交互模型)，我已经能够在python框架中使用statsmodel获得一些代码来工作，但它们中的一些根本不匹配。我相信我为R和Python编写的代码应该会产生相同的结果。有没有人看到有什么不同？还是有一些根本性的差异，可能会让事情变得一团糟？R代码是与教程中给出的数字相匹配的原始代码(可在此处找到：)。
R示例代码：
library(mosaic)
Data = fetchData('http://dl.dropbox.com/u/8649795/AT_Austria.csv')
Model = glm(Data~Origin
浏览 2提问于2014-02-15得票数 3
我想用Python进行Logistic回归。
我在R中的参考是
model_1 <- glm(status_1 ~., data = X_train, family=binomial)
summary(model_1)
我正试着把它转换成Python。但不太确定如何抓住所有变量。
import statsmodels.api as sm
model = sm.formula.glm("status_1 ~ ", family=sm.families.Binomial(), data=train).fit()
print(model.summary())
如何使用所有变量，
浏览 12提问于2022-03-29得票数 0
1回答
我试着用两种方法对SE进行比较：
在GLM泊松模型的结果部分中打印的SE，而是我通过自举获得的系数的SE (基本上，我用替换的方法重放了相同数量的观测值，拟合了一个新的泊松模型，得到了系数，然后从1000个bootstraps中计算系数的SD )。
然而，这两种方法的SE有很大的不同。从1开始的SE要小得多。我以为它们在数字上是相似的。
有人能解释吗？
浏览 15提问于2022-06-30得票数 0
2回答
给定一些随机生成的数据
2列，
50行和
0-100之间的整数范围
使用R，可以这样获得泊松glm和诊断图：
> col=2
> row=50
> range=0:100
> df <- data.frame(replicate(col,sample(range,row,rep=TRUE)))
> model <- glm(X2 ~ X1, data = df, family = poisson)
> glm.diag.plots(model)
在中，这将给出行预测器与残差图之间的关系。
import numpy as np
浏览 8提问于2017-12-07得票数 21
我正在使用twang包创建倾向性分数，这些分数在使用survey::svyglm的二项式glm中用作权重。代码看起来像这样：
pscore <- ps(ppci ~ var1+var2+.........., data=dt....)
dt$w <- get.weights(pscore, stop.method="es.mean")
design.ps <- svydesign(ids=~1, weights=~w, data=dt,)
glm1 <- svyglm(m30 ~ ppci, design=design.ps,family=bino
浏览 0提问于2012-10-18得票数 52
回答已采纳
1回答
我的响应变量，status有两个值，1表示活动，0表示死。
我已经建立了一个像model<- glm(status ~., train_data, family='binomial')这样的模型。我使用predict(model, test_data, type = 'response')，它给出了预测概率的向量，如下所示：
0.02 0.04 0.1
这些概率是有人活着(即status == 1)还是某人死亡(即status == 0)？
我很确定某人还活着的可能性，但总是这样吗，？是否有一种方法可以在predict()函数中直接指定这一点？
浏览 9提问于2021-11-17得票数 1
回答已采纳
R glm()是否有任何等价物，相当于SAS的PROC GLM中的FREQ开关，其中每个观察单位被计数N次，由相应的FREQ变量定义？
浏览 1提问于2012-04-15得票数 0
1回答
我有下面的R码，用二项式回归来拟合x的y和多项式
res = glm(df.mat ~ poly(x, deg=degree), family=binomial(link="logit"))
结果是
但是，当我在Python中使用状态模型 GLM函数时，
import statsmodels.api as sm
def poly(x, d):
x = np.array(x)
X = np.transpose(np.vstack((x**k for k in range(d+1))))
return np.linalg.qr(X)[0][:,1
浏览 3提问于2020-10-06得票数 1
回答已采纳
我试图理解有界响应变量的数据集的两种不同的拟合方法之间的区别。响应变量是一个分数，因此范围为0,1。我通过Google搜索发现，有很多不同的方法，因为这是一个常见的操作。我目前感兴趣的股票R GLM拟合和Beta回归提供的betareg包之间的差异。我使用来自"betareg“包的GasolineYield数据集作为我的示例数据集。在我发布代码和结果之前，我的两个问题如下：
我是否正确地使用内建R GLM在R中进行Logistic回归拟合？
为什么Beta回归中的标准误差比R logistic回归的标准误差小得多？
R设置代码
library(betareg)
data
浏览 0提问于2014-04-21得票数 2
回答已采纳
我是Python的新手，正在尝试从Matlab+R平台过渡到一个独特的平台Python。
我需要对我的数据进行回归。
在阅读了在线提供的内容后-不幸的是，数量还没有R那么多-我意识到我需要尝试以下选项：
import statsmodels.api as sm
import statsmodels.formula.api as smf
mod1 = smf.glm(formula=formula_new, data=dta_new, family=sm.families.Gaussian())
mod2 = smf.ols(formula=formula_new, data=dta_new,
浏览 1提问于2014-11-06得票数 0
file = pd.DataFrame({'name':['s', 'k', 'lo', 'ki'] , 'age':[12, 23, 32, 22], 'marks':[34, 34, 43, 22], 'score':[1, 1, 0, 1]})
我想用以下命令进行逻辑回归：
import statsmodels.formula.api as smf
logit = smf.logit( 'score ~ age + marks', file)
浏览 6提问于2015-02-10得票数 0
我有以下变量：
答复:渔民租赁(进出)配额单位的数量。
说明:渔民拥有的配额单位数目。
我安装了一个GLM (Poisson)，但我不完全确定它是否正确，考虑到解释变量也是计数。我已经找到了Poisson回归的例子--仅用范畴和连续的解释变量，而不是计数变量。
所以：
我用泊松和我的数据是对的吗？如果不是这样的话，我还有什么选择？
my模型的残差方差不是均匀的。我知道Poisson回归允许面对这个问题，或者我应该关注这个问题并解决它(例如使用权重)？
任何帮助都会很感激，
浏览 4提问于2012-11-20得票数 1
回答已采纳
我正在尝试为LinearModel包的GLM子类型创建一个方法。不幸的是，这似乎不起作用：
using DataFrames, GLM, RDatasets
iris = dataset("datasets", "iris")
fit = lm(@formula(SepalLength ~ PetalWidth), iris)
function print_r2(fit::GLM.LinearModel)
R2 = r2(fit)
println("The model's R2 is $R2.")
end
pr
浏览 0提问于2018-08-08得票数 0
我在和一些数据做斗争，我得到了一个错误，我不知道为什么.
initial <-read.table....
library(Mass)
一切都很好，直到：
glm.percent <- glm.nb(cbind(Count, Rest)~ Plasmid+Region*Plasmid, data=initial)
Error in x[good, , drop = FALSE] : (subscript) logical subscript too long
所以需要更多的背景。我想比较6个组织层中细胞的比例。不，我知道，对于负二项式，我必须在R中使用整数，我读到，我必须使用cb
浏览 7提问于2015-04-28得票数 2
回答已采纳
1回答
线性预测器在statsmodels.GLM类中的位置在哪里？
如果拟合模型mdl = sm.GLM(Y, X, family = family()).fit()等于R的mdl <- glm.fit(X, Y, family = family())，则R的eta是mdl$linear.predictors。但我似乎在状态模型中找不到eta。
现在我用X @ mdl.params来计算它们，这似乎有点乏味。
浏览 0提问于2022-04-13得票数 0
回答已采纳
我正在学习一门课程，我在中使用数字阅读器数据来数字。我使用的是只有2个结果的简化数据，2和7。但是在这个过程中，因子水平(2和7)似乎颠倒了？
为了达到我现在的境地：
library(dslabs)
data("mnist_27")
x_1和x_2是来自前两个预测器(列)的值。现在让我们来适应logistic model
fit_glm <- glm(y~x_1 + x_2, data=mnist_27$train, family="binomial")
p_hat_logistic <- predict(fit_glm, newdata=mnist
浏览 0提问于2020-03-14得票数 1
我是一个重R用户，最近正在学习python。我有一个关于statsmodels.api如何处理重复特性的问题。据我理解，这个函数是R包中glm的python版本。因此，我期望函数返回最大似然估计(MLE)。
我的问题是，使用哪种状态模型来获得MLE？特别是该算法如何处理重复特征的情况？
为了澄清我的问题，我用一个协变量x1从Bernoullie分布生成一个50大小的样本。
import statsmodels.api as sm
import pandas as pd
import numpy as np
def ilogit(eta):
return 1.0 - 1.0/(np.ex
浏览 1提问于2016-05-27得票数 0
回答已采纳
1回答
我使用statsmodel glm函数在Python语言中建立了一个模型，但是现在我想给模型添加一个和为零的约束。
该模型的定义如下：
import statsmodels.formula.api as smf
model = smf.glm(formula="A ~ B + C + D", data=data, family=sm.families.Poisson()).fit()
在R中，为了添加约束，我只需这样做：
model <- glm(A ~ B + C + D –1, family=poisson(), data=data, contrasts=list(C
浏览 1提问于2015-03-26得票数 1
我试图在python3.1中拟合GLM模型。我正在使用Gaussian链接函数。所以我写了
import statsmodels.api as sm
glm=sm(y_train, X_train, family=sm.families.Gaussian())
但我收到了错误信息
TypeError: 'module' object is not callable
你能建议我如何处理这个错误吗？
浏览 1提问于2021-03-11得票数 1
回答已采纳
1回答
为了计算我的GLM模型的伪R2，我需要零偏差。
公式:1-(越轨/无明文.越轨)
模型偏差是在model.summary()输出中给出的，但是如何计算/访问空偏差？
我的代码示例是：
import statsmodels.formula.api as smf
import statsmodels.api as sm
# generate random dataframe
df = pd.DataFrame(np.random.randint(0,100,size=(100, 3)), columns=list('ABC'))
# negative binomial reg
浏览 0提问于2018-06-04得票数 1
回答已采纳
2回答
伽马回归只截距
、、、
我对python是新手，我尝试做一个伽马回归，我希望得到类似的估计R，但是我不能理解python的语法，它会产生一个错误，一些如何解决它的想法。
我的R代码：
set.seed(1)
y = rgamma(18,10,.1)
print(y)
[1] 76.67251 140.40808 138.26660 108.20993 53.46417 110.61754 119.11950 113.57558 85.82045 71.96892
[11] 76.81693 86.00139 93.62010 69.49795 121.99775 114.18707 125.43608
浏览 0提问于2018-05-20得票数 3
回答已采纳
我有一个正态分布的数据集，我正在尝试将数据拟合到R中的GLM模型中。我用于前一个数据集的模型具有二项分布，我使用了GLM代码: model1 <- glm(公式= Y$mat ~ X，family =二项式(link= "probit"))。我该如何为“正态”分布指定“family”参数，因为文档中似乎没有该参数的值，以及正态分布的默认链接函数是什么？
浏览 1提问于2017-08-19得票数 0
在Julia中，是否有一个与R的hatvalues函数相当的函数？hatvalues根据拟合的线性模型计算杠杆值。最终，我希望根据拟合的GLM计算标准化的皮尔逊残差，但似乎必须在Julia中手动计算，这需要计算hatvalues。例如，这正是我想要的输出，并从R获得。
library(tidyverse)
library(glmmTMB)
salamanders <- glmmTMB::Salamanders
mod1 <- glm(count ~ 1 + mined,
data = salamanders,
family = p
浏览 0提问于2021-03-24得票数 1
2回答
愚蠢的问题，但我想确定。glm(outcome ~ cva, family = "binomial", data=df, x=TRUE, y=TRUE)
Predictors Odds p
(Intercept) 0.16 <0.001
cvaTRUE 1.95 0.029
我的“结果”变量是“是”或“否”，as.factor
我怎么能确定这个glm给出的几率是肯定的，而不是否定的？我想确信这是在说：“如果cva是真的，那么结果是肯定的可能性为1.95。
浏览 7提问于2022-01-10得票数 0
1回答
GLM R与Python
、、、
我正在尝试用Python生成一个逻辑回归，它产生与R相同的结果。它看起来很接近，但并不相同。我做了下面的例子来说明两者之间存在差异。这些数据是不真实的。
R
# RStudio 1.1.453
d <- data.frame(c(0, 0, 1, 1, 1),
c(1, 0, 0, 0, 0),
c(0, 1, 0, 0, 0))
colnames(d) <- c("v1", "v2", "v3")
model <- glm(v1 ~ v2,
浏览 0提问于2018-11-08得票数 3
3回答
我使用下面的代码使用状态模型在Python中运行GLM回归。我特别想实现一个日志链接函数。我能够用Statsmodels写出类似R的公式。
下面的代码成功运行，但抛出一个弃用警告。有人能建议如何摆脱这个警告吗。谢谢你的帮助。
代码：
mod = smf.glm(formula='y ~ C(x1) + C(x2) + C(x3) + x4 + x5', data=data,family=sm.families.Gamma(link=sm.families.links.log))
reg = mod.fit()
print(reg.summary())
警告: Deprecat
浏览 7提问于2020-01-08得票数 3
回答已采纳
1回答
我正在构建一个GLM模型(泊松家族)，由于我有很多特征，我需要做一些正则化。显然，stats模型支持GLM模型中包括泊松在内的一些家庭的正则化。这些是我用过的：
import statsmodels.api as sm
import statsmodels.genmod.generalized_linear_model as sm_glm
. .
poisson_model = sm_glm.GLM(y, X, family=sm.families.Poisson())
poisson_results = poisson_model.fit_regularized()
然而，我得到了错误
浏览 9提问于2017-12-30得票数 1
我正在逐行构建一个DataFrame，然后在其上运行一个回归。为了简单起见，代码是：
using DataFrames
using GLM
df = DataFrame(response = Number[])
for i in 1:10
df = vcat(df, DataFrame(response = rand()))
end
fit(LinearModel, @formula(response ~ 1), df)
我知道错误：
ERROR: LoadError: MethodError: Cannot `convert` an object of type Array{Nu
浏览 0提问于2018-06-15得票数 3
回答已采纳
1回答
我正在尝试使用步长函数来拟合准泊松GLM和GAM，以执行反向选择。我使用了下面的代码，但是R返回了一个错误，因为它不能计算AIC。使用泊松分布的相同模型是有效的，但不是准泊松分布，有没有办法改变函数使其有效？
full.mod03q<-glm(Total.Positivo_2003~X.baix03 + Tot_PrevDesnut04
+ Tot_HosDesid04 + Despesa_06 + prpnurb03 + prpnkid03
+ dev03 + watertoilet03 + elec03 + doll
浏览 3提问于2014-07-22得票数 2
我非常熟悉逻辑回归背后的数学，但根据R的输出，我不知道几率比分子中的概率是多少。
请考虑以下几点：
library(dplyr)
library(caret)
set.seed(42)
levels(iris$Species) <- list("setosa" = c("setosa"), "not_setosa" = c("versicolor", "virginica"))
train <- sample.int(0.5*nrow(iris))
test <- setdiff((1:nro
浏览 0提问于2018-06-13得票数 2
回答已采纳
我试图运行一个简单的逻辑回归函数。我有4列名为x1、x2、x3和x4。x4有一个只有0和1的列。所以，我用这个作为我的因变量。为了预测因变量，我使用自变量x1、x2和x3。我的语法是关闭的，或者我如何在保持Statsmodels.api提供的R语法的同时，正确地完成数据的逻辑回归？
以下是我的代码：
import pandas as pd
import statsmodels.formula.api as smf
df = pd.DataFrame({'x1': [10, 11, 0, 14],
'x2': [12
浏览 2提问于2019-08-06得票数 6
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
