Python 在pystatsmodels中使用Patsy时，如何从bspline获取原始系数

我正在运行GLM，必须将来自

变量*系数的离散值交给我们的IT部门

也就是说，我不知道如何使用
patsy
中的
bs（）
函数计算分段回归模型中的斜率

假设我有以下模型：

y~bs（长度、度数=1，节数=32）

这给了我两行标准的
pystatsmodel
参数（系数、pvalues、标准误差等）

这些价值观是

variable                                          coeff 
y ~ bs(length, degree = 1, knots = [32][0]        .3763
y ~ bs(length, degree = 1, knots = [32][1]        .4335

我也可以这样运行它：
y~长度+np.最大值（长度-32,0）

产生

variable      coeff 
length        .0118
length        -.0074

我不明白的是，当我通过这两个模型运行一个测试集时，它们会产生相同的预测

我不确定patsy在这两种情况下都在做什么，我想回答我的问题，我应该吗

长度的斜率1应正好来自系数和的指数
长度的斜率2是指数（coefficient1+ceoff2）。如果是这样的话，这条规则适用于这两种语法吗？
为什么不在估计的模型上调用
predict
？在训练集上进行预测？你没有给出太多的信息，但像这样，我的计算机现在就在使用它，但如果我读对了，我会进行建模。预测（x_train）或model.predict（model.params）？我不使用
statsmodels
，所以我并不真正了解它们的API，只是根据问题猜测您使用它（
pystatsmodel
不是python包）。你也不会说你是否在使用OLS或其他东西。也就是说，你可能想通过你想要预测的值，换句话说，你的“测试集”或你称之为“IT部门”想要值的东西