Python 如何使用smf.mnlogit.predict（）进行适当的预测/分类？

我很好奇是否有人能帮助我了解一种有效的方法，可以使用.predict（）获得单个预测向量，用于使用

statsmodels.formula.api.mnlogit（）

这将输出100行x 4列的矩阵形状：

我猜这是

df.anists.unique（）

中四个输出变量之一的值的分类概率

---

我猜我会创建一个函数，使用

.predict（）

输出？

预测的行中的最高概率分数，将每个值分配给四个DV中的一个。argmax（1）

将为您提供具有最高预测概率的选择索引。或者可能

np.asarray（预测）。argmax（1）

谢谢@Josef-

np.asarray（预测）。argmax（1）

效果很好@Josef你知道我怎样才能找出每个索引对应的依赖值吗？例如，索引0='dog'，等等？它应该在

mod.model.data.ynames

中，但也应该在一些返回中，例如summary和

mod.params

DataFrame中作为索引。

import pandas as pd, statsmodels.formula.api as smf

df = pd.DataFrame({'age': np.random.choice([20, 30, 23, 40, 39, 27], size = 100, replace = True), 
                  'animal': np.random.choice(['dog', 'parrot', 'cat', 'turtle'], size = 100, 
                                             replace = True)})

mod = smf.mnlogit('animal ~ age', df).fit()

predictions = mod.predict(df['age'])
print(predictions)