Python statsmodels：使用patsy指定非线性回归模型

我正在尝试使用statsmodles计算非线性回归模型。尤其是我在学习patsy语法时遇到了问题

有没有关于如何使用patsy语法建立非线性模型的教程或示例

特别是，如何使用patsy指定此示例（）上的非线性模型

事先非常感谢

---

Andy

Patsy在拟合一般非线性模型方面并不是很有用，但您链接到的页面上的模型是一种特殊的非线性模型——它们使用线性模型拟合方法（OLS），并将其应用于基本变量的非线性变换。一个标准且非常有用的技巧是组合同一变量的多个非线性变换，以便有效地拟合更一般的曲线。在这方面，patsy非常有用

您真正想知道的是如何用patsy表示变量转换。这很容易。patsy的工作方式是，给定一个公式字符串，如

“x1+x2:x3”

，它扫描并解释特殊的patsy操作符，如

+

和

：

，然后剩下的东西（

x1

，

x2

，

x3

）被解释为任意python代码。因此，您可以编写

“np.sin（x1）+np.log（x2）：x3”

或其他任何东西

唯一需要注意的是，如果您想编写一个使用python操作符的转换，它与patsy操作符冲突。比如，如果您想在转换中使用

+

或

**

，那么您必须小心确保patsy不会自己解释它们，而将它们留给python。这里的技巧是patsy将忽略函数调用中出现的任何运算符（或者patsy不理解的其他复杂python表达式，但主要是函数调用）。因此，如果您编写

“x1+np.log（x2+x3）”

，那么patsy会将其视为两个预测器，

x1

和

np.log（x2+x3）

——您可以看到它解释了第一个

+

，但它将第二个单独留给python来解释

但是如果你想，比如说，把两个变量加在一起，并把它们作为一个预测因子，而不需要记录日志，那该怎么办呢？好的，根据我们已经知道的，我们可以想出一个简单的方法：我们可以定义一个只返回其输入的函数（标识函数），然后调用它，比如：

“x1+I（x2+x3）”

。现在对

I（…）

的函数调用将阻止patsy看到第二个

+

，但是当我们实际计算术语

I（x2+x3）

时，它将与

x2

加

x3

相同

patsy自动提供了一个名为

I（）

的函数，它的工作原理是这样的，可以随时使用

现在，您知道了复制该页面上的示例所需的一切。对于第一个，公式是

“x+I（x**2）”

。对于第二个，公式是

“x+np.sin（x）+I（（x-5）**2）”

---

对于最后一个示例，最简单的方法是使用patsy内置的分类编码支持：

“x+C（组）”

。（这里

C

是另一个特殊的内置函数，可以让我们调整分类数据的编码方式。这里我们只是用它告诉patsy，尽管

groups

看起来像一个数字向量——它的值是0、1、2——事实上我们应该将其视为分类的，每个值代表一个不同的组。然后patsy应用其默认的分类编码）

我们可以使用标识函数创建虚拟或交互吗？我可以构造一个像$I（x1*（x2=='USA'））$这样的术语吗？