“statsmodels”或其他 Python 包是否提供与 R 的“step”功能等效的功能？答案

【问题标题】：Does 'statsmodels' or another Python package offer an equivalent to R's 'step' function?“statsmodels”或其他 Python 包是否提供与 R 的“step”功能等效的功能？
【发布时间】：2014-04-21 03:19:55
【问题描述】：

R 的 step 功能是否有 statsmodels 或其他 Python 等效项，用于使用 AIC 选择基于公式的模型？

【问题讨论】：

标签： r pandas linear-regression statsmodels model-fitting

【解决方案1】：

我真的怀疑你在做和我一样的在线课程——下面的内容可以让你得到正确的答案。如果手头的任务计算量不是很大（并且不在课程中），那么我们可以回避 step 函数的所有智能细节，只尝试预测变量的所有子集。

对于每个子集，我们可以将AIC 计算为ACI = 2*nvars - 2*result.llf。
然后我们只需要找到一个具有最小 AIC 的子集：

import itertools
import numpy as np
import pandas as pd
import statsmodels.api as sm
AICs = {}
for k in range(1,len(predictorcols)+1):
    for variables in itertools.combinations(predictorcols, k):
        predictors = train[list(variables)]
        predictors['Intercept'] = 1
        res = sm.OLS(target, predictors).fit()
        AICs[variables] = 2*(k+1) - 2*res.llf
pd.Series(AICs).idxmin()

【讨论】：

好方法。最后，我只是在 R 中完成，并将模型复制到 Python 中。

【解决方案2】：

第一个答案对我不起作用，但下面的答案对我有用。大量抄袭 Kostya。

AICs = {}
for k in range(1,len(predictorcols)+1):
    for variables in itertools.combinations(predictorcols, k):
        predictors = list(variables)
        i = True
        independent =''
        for p in predictors:
            if i:
                independent = p
                i=False
            else:
                independent+='+ {}'.format(p)
        regresion = '$DependentVariable$ ~ {}'.format(independent)
        res = sm.ols(regresion, data=train).fit()
        AICs[variables] = 2*(k+1) - 2*res.llf
pd.Series(AICs).idxmin()

【讨论】：