Jak dopasować GLM w Pythonie?

Uogólnione modele liniowe w Pythonie

Ita Cirovic Donev

Data Science Consultant

statsmodels

Importowanie statsmodels
```
import statsmodels.api as sm
```
Obsługa formuł
```
import statsmodels.formula.api as smf
```

Bezpośrednie użycie glm()

from statsmodels.formula.api import glm

Proces dopasowania modelu

Opisz model $\rightarrow \texttt{\color{#007AFF}{glm()}}$
Dopasuj model $\rightarrow \texttt{\color{#007AFF}{.fit()}}$
Podsumuj model $\rightarrow \texttt{\color{#007AFF}{.summary()}}$
Generuj prognozy $\rightarrow \texttt{\color{#007AFF}{.predict()}}$

Opisywanie modelu

Podejście oparte na FORMULE

from statsmodels.formula.api import glm

model = glm(formula, data, family)

Podejście oparte na TABLICACH

import statsmodels.api as sm

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

Argument formula

$$\texttt{\color{#00A388}{zmienna objaśniana}} \sim \texttt{\color{#FF6138}{zmienna(e) objaśniająca}}$$ $$\texttt{\color{#00A388}{wyjście}} \sim \texttt{\color{#FF6138}{wejście(a)}}$$

formula = 'y ~ x1 + x2'

$\texttt{\color{#FF6138}{C(x1)}}$ : traktuj x1 jako zmienną kategoryczną
$\texttt{\color{#FF6138}{-1}}$ : usuń wyraz wolny
$\texttt{\color{#FF6138}{x1:x2}}$ : człon interakcji między x1 a x2
$\texttt{\color{#FF6138}{x1*x2}}$ : interakcja x1 i x2 oraz osobne zmienne
$\texttt{\color{#FF6138}{np.log(x1)}}$ : zastosuj funkcje wektorowe do zmiennych modelu

Argument family

family = sm.families.____()

Dostępne rodziny funkcji:

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

Inne rodziny rozkładów dostępne są na stronie statsmodels.

Podsumowanie modelu

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
=============================================================================

Współczynniki regresji

$\texttt{\color{#007AFF}{.params}}$ wyświetla współczynniki regresji

model_GLM.params

Intercept   -12.350818
width         0.497231
dtype: float64

$\texttt{\color{#007AFF}{.conf\_int(alpha=0.05, cols=None)}}$ wyświetla przedziały ufności

model_GLM.conf_int()

                   0         1
Intercept -17.503010 -7.198625
width       0.297833  0.696629

Prognozy

Określ wszystkie zmienne modelu w danych testowych
$\texttt{\color{#007AFF}{.predict(\color{#FF931B}{test\_data})}}$ oblicza prognozy

model_GLM.predict(test_data)

0    0.029309
1    0.470299
2    0.834983
3    0.972363
4    0.987941

Czas na ćwiczenia!

Uogólnione modele liniowe w Pythonie