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Python 在pystatsmodels中使用Patsy时,如何从bspline获取原始系数,python,statsmodels,patsy,Python,Statsmodels,Patsy,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]
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