如何将所有变量从StatsModel（等效于R GLM）中的Python中的逻辑回归用于逻辑回归

Question

我想在Python进行逻辑回归。

我在R中的参考是

model_1 <- glm(status_1 ~., data = X_train, family=binomial)
summary(model_1)

我正在尝试将其转换为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，这意味着在status_1之后我需要输入什么？

Answer 1

statsmodels 使逻辑回归变得非常简单，如下所示：

import statsmodels.api as sm

Xtrain = df[['gmat', 'gpa', 'work_experience']]
ytrain = df[['admitted']]

log_reg = sm.Logit(ytrain, Xtrain).fit()

其中 gmat、gpa 和 work_experience 是您独立的变量。

Answer 2

根据您的问题，我了解您有二项式数据，并且想要使用 logit 作为链接函数创建广义线性模型。另外，正如您在 this 线程（jseabold 的回答）您提到的功能在 patsy 中尚不存在。因此，我将向您展示如何在拥有二项式数据时使用 sm.GLM() 函数创建广义线性模型。

#Imports

import numpy as np

import pandas as pd

import statsmodels.api as sm

#Suppose that your train data is in a dataframe called data_train

#Let's split the data into dependent and independent variables

在这个阶段，我想提一下，我们的因变量应该是一个包含两列的二维数组 statsmodels GLM 函数的帮助 建议：

二项式族模型接受具有两列的二维数组。如果提供，则每个观察结果预计为[成功、失败]。

#Let's create the array which holds the dependent variable

y = data_train[["the name of the column of successes","the name of the column of failures"]]

#Let's create the array which holds the independent variables

X = data_train.drop(columns = ["the name of the column of successes","the name of the column of failures"])

#We have to add a constant in the array of the independent variables because by default constants
#aren't included in the model

X = sm.add_constant(X)

#It's time to create our model

logit_model = sm.GLM(
    endog = y,
    exog = X,
    family = sm.families.Binomial(link=sm.families.links.Logit())).fit())

#Let's see some information about our model

logit_model.summary()