Tính toán và mô tả dự đoán

Mô hình Tuyến tính Tổng quát (GLM) trong Python

Ita Cirovic Donev

Data Science Consultant

Tính dự đoán

Sau khi khớp mô hình

Sơ đồ quy trình khớp mô hình.

Sau khi khớp mô hình

Sơ đồ quy trình khớp mô hình và tính dự đoán.

Mô hình cua móng ngựa y ~ weight $$ \mu = \frac{\exp(-3.6947+1.8151 \times weight)}{1+\exp(-3.6947+1.8151 \times weight)} $$
Đo mới: weight = 2.85

$$ \mu = \frac{\exp(-3.6947+1.8151 \times \color{blue}{2.85})}{1+\exp(-3.6947+1.8151 \times \color{blue}{2.85})} = 0.814 $$

Tính dự đoán của mô hình cho dữ liệu new_data

# Compute model predictions
model_GLM.predict(exog = new_data)

Phân tách đầu ra mô hình theo ngưỡng xác suất đã chọn.

# Extract fitted probabilities from model
crab['fitted'] = model.fittedvalues.values

# Define cut-off value
cut_off = 0.4

# Compute class predictions
crab['pred_class'] = np.where(crab['fitted'] > cut_off, 1, 0)

# Count occurences for each class
crab['pred_class'].value_counts()

1    151
0     22

Ngưỡng	$\hat y=1$	$\hat y=0$
$\mu = 0.4$	151	22
$\mu = 0.5$	126	47

Ma trận nhầm lẫn trống.

Minh họa âm tính thật trong ma trận nhầm lẫn.

Minh họa âm tính thật và dương tính thật trong ma trận nhầm lẫn.

Minh họa âm tính thật, dương tính thật và dương tính giả trong ma trận nhầm lẫn.

Minh họa âm tính thật, dương tính thật, dương tính giả và âm tính giả trong ma trận nhầm lẫn.

print(pd.crosstab(y_actual, y_predicted, 
            rownames=['Actual'], colnames=['Predicted'], 
            margins = True))

Predicted   0    1  All
Actual                 
0          15   47   62
1           7  104  111
All        22  151  173

Mô hình Tuyến tính Tổng quát (GLM) trong Python