Python 创建一个函数，用于计算模型的负对数似然

目标是预测分类响应变量y，当客户已订阅定期存款时，该变量的值为yes，否则为no。您将使用可变持续时间作为预测值，即以秒为单位的最后一次接触持续时间

我有这个模型：

yi=β0+β1μi+εi

我必须这样做：

创建一个函数，将两个值的向量作为输入（β），并计算模型的负对数似然

通过最小二乘法估计y和X之间的关系，并将估计系数存储在对象中，该对象将为优化提供起点

但我不知道如何完成任务1和任务2

import os
os.chdir("/Users/aleksandra/Downloads/bank")
import pandas as pd
import numpy as np
import statsmodels.api as sm
import scipy
import scipy.optimize as optimization

df = pd.read_csv("bank.csv",sep=";")

df['y'] = df['y'].map(lambda x: 1 if x == 'yes' else 0)

y = df['y']

X = df[['duration']]
X['constant'] = 1

def neg_log_likelyhood(y_true, y_pred):
    return -np.sum(y_true * np.log(y_pred) + (1 - y_true) * np.log(1 - y_pred))/len(y_true)