Como ajustar um GLM em Python?

Modelos Lineares Generalizados em Python

Ita Cirovic Donev

Data Science Consultant

statsmodels

Importando statsmodels
```
import statsmodels.api as sm
```
Suporte a fórmulas
```
import statsmodels.formula.api as smf
```

Use glm() diretamente

from statsmodels.formula.api import glm

Processo de ajuste do modelo

Descreva o modelo $\rightarrow \texttt{\color{#007AFF}{glm()}}$
Ajuste o modelo $\rightarrow \texttt{\color{#007AFF}{.fit()}}$
Resuma o modelo $\rightarrow \texttt{\color{#007AFF}{.summary()}}$
Faça previsões $\rightarrow \texttt{\color{#007AFF}{.predict()}}$

Descrvendo o modelo

Baseado em FORMULA

from statsmodels.formula.api import glm

model = glm(formula, data, family)

Baseado em ARRAY

import statsmodels.api as sm

X = sm.add_constant(X)
model = sm.glm(y, X, family)

Argumento formula

$$\texttt{\color{#00A388}{response}} \sim \texttt{\color{#FF6138}{explanatory variable(s)}}$$ $$\texttt{\color{#00A388}{output}} \sim \texttt{\color{#FF6138}{input(s)}}$$

formula = 'y ~ x1 + x2'

$\texttt{\color{#FF6138}{C(x1)}}$ : tratar x1 como variável categórica
$\texttt{\color{#FF6138}{-1}}$ : remover o intercepto
$\texttt{\color{#FF6138}{x1:x2}}$ : termo de interação entre x1 e x2
$\texttt{\color{#FF6138}{x1*x2}}$ : interação entre x1 e x2 e as variáveis individuais
$\texttt{\color{#FF6138}{np.log(x1)}}$ : aplicar funções vetorizadas às variáveis

Argumento family

family = sm.families.____()

As famílias disponíveis:

$\texttt{\color{#007AFF}{Gaussian}(link = sm.families.links.\color{deeppink}{identity()})}$ $\rightarrow$ família padrão
$\texttt{\color{#007AFF}{Binomial}(link = sm.families.links.\color{deeppink}{logit()})}$
- $\texttt{\color{deeppink}{probit()}}$, $\texttt{\color{deeppink}{cauchy()}}$, $\texttt{\color{deeppink}{log()}}$ e $\texttt{\color{deeppink}{cloglog()}}$
$\texttt{\color{#007AFF}{Poisson}(link = sm.families.links.\color{deeppink}{log()})}$
- $\texttt{\color{deeppink}{identity()}}$ e $\texttt{\color{deeppink}{sqrt()}}$

Outras famílias podem ser vistas no site do statsmodels.

Resumindo o modelo

print(model_GLM.summary())

                 Generalized Linear Model Regression Results                  
=============================================================================
Dep. Variable:                      y  No. Observations:                  173
Model:                            GLM  Df Residuals:                      171
Model Family:                Binomial  Df Model:                            1
Link Function:                  logit  Scale:                          1.0000
Method:                          IRLS  Log-Likelihood:                -97.226
Date:                Mon, 21 Jan 2019  Deviance:                       194.45
Time:                        11:30:01  Pearson chi2:                     165.
No. Iterations:                     4  Covariance Type:             nonrobust
=============================================================================
                 coef    std err         z      P>|z|      [0.025      0.975]
-----------------------------------------------------------------------------
Intercept    -12.3508      2.629    -4.698      0.000     -17.503      -7.199
width          0.4972      0.102     4.887      0.000       0.298       0.697
=============================================================================

Coeficientes da regressão

$\texttt{\color{#007AFF}{.params}}$ imprime os coeficientes da regressão

model_GLM.params

Intercept   -12.350818
width         0.497231
dtype: float64

$\texttt{\color{#007AFF}{.conf\_int(alpha=0.05, cols=None)}}$ imprime intervalos de confiança

model_GLM.conf_int()

                   0         1
Intercept -17.503010 -7.198625
width       0.297833  0.696629

Previsões

Especifique todas as variáveis do modelo nos dados de teste
$\texttt{\color{#007AFF}{.predict(\color{#FF931B}{test\_data})}}$ calcula previsões

model_GLM.predict(test_data)

0    0.029309
1    0.470299
2    0.834983
3    0.972363
4    0.987941

Vamos praticar!

Modelos Lineares Generalizados em Python