我使用以下来自乳腺癌数据的数据来训练逻辑模型，并且仅使用一个特征“mean_area”
from statsmodels.formula.api import logit
logistic_model = logit('target ~ mean_area',breast)
result = logistic_model.fit()
训练模型中有一个内置的预测方法。然而，这给出了所有训练样本的预测值。如下
predictions = result.predict()
假设我想要预测一个新值（例如 30），如何使用经过训练的模型来输出该值？ （而不是读取系数并手动计算）
您可以为.predict()模型如输出#11所示notebook http://statsmodels.sourceforge.net/devel/examples/notebooks/generated/discrete_choice.html来自文档的单个观察。您可以提供多个观察结果：2d array，例如DataFrame - see docs http://statsmodels.sourceforge.net/0.6.0/generated/statsmodels.discrete.discrete_model.Logit.predict.html#statsmodels.discrete.discrete_model.Logit.predict.
由于您使用的是公式 API，因此您的输入需要采用以下形式：pd.DataFrame以便列参考可用。在你的情况下，你可以使用类似的东西.predict(pd.DataFrame({'mean_area': [1,2,3]}).
statsmodels .predict()当没有提供替代方案时，仅使用用于拟合的观测值作为默认值。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
