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:Python 创建一个函数,用于计算模型的负对数似然,python,log-likelihood,Python,Log Likelihood,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/Download
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)