如何使用 statsmodels.formula.api logit 进行预测答案

【问题标题】：how to predict using statsmodels.formula.api logit如何使用 statsmodels.formula.api logit 进行预测
【发布时间】：2021-12-16 00:11:01
【问题描述】：

我有以下问题。我想使用来自statsmodels.formula.api 的logit 进行样本内预测。

查看我的代码：

import statsmodels.formula.api as smf

model_logit = smf.logit(formula="dep ~ var1 + var2 + var3", data=model_data)

到目前为止一切都很好。但我想使用我的模型进行样本内预测：

yhat5 = model5_logit.predict(params=["dep", "var1", "var2", "var3"])

这给出了一个错误ValueError: data type must provide an itemsize。

当我尝试时：

yhat5 = model5_logit.predict(params="dep ~ var1 + var2 + var3")

我遇到另一个错误：numpy.core._exceptions._UFuncNoLoopError: ufunc 'multiply' did not contain a loop with signature matching types (dtype('<U32'), dtype('<U69')) -> None

如何使用 statsmodels.formula.api 对 Logit 模型进行样本内预测？

这对我没有帮助：How to predict new values using statsmodels.formula.api (python)

【问题讨论】：

没有你的数据很难重现，但可能是你的数据包含不兼容的不同类型，(dtype('<U32'), dtype('<U69'))，尝试转换变量的类型
你的代码中的model_data是什么？为什么你使用 model5_logit 而不是 model_logit？如果它们是 var，请提供值。

标签： python logistic-regression statsmodels

【解决方案1】：

使用示例数据集：

import statsmodels.formula.api as smf
import pandas as pd
import numpy as np
from sklearn.datasets import make_classification

X,y = make_classification(n_features=3,n_informative=2,n_redundant=1)
model_data = pd.DataFrame(X,columns = ['var1','var2','var3'])
model_data['dep'] = y

拟合模型（我在您的代码中没有看到）：

import statsmodels.formula.api as smf
model_logit = smf.logit(formula="dep ~ var1 + var2 + var3", data=model_data)
res = model_logit.fit()

您可以获得样本预测（概率）和预测标签：

in_sample = pd.DataFrame({'prob':res.predict()})
in_sample['pred_label'] = (in_sample['prob']>0.5).astype(int)

in_sample.head()
 
       prob  pred_label
0  0.005401           0
1  0.911056           1
2  0.990406           1
3  0.412332           0
4  0.983642           1

我们检查实际标签：

pd.crosstab(in_sample['pred_label'],model_data['dep'])
 
dep          0   1
pred_label        
0           46   2
1            4  48

【讨论】：