Python statsmodels没有';似乎不能正确地执行正则化负二项回归
我试图用statsmodels拟合负二项回归 这是我的密码:Python statsmodels没有';似乎不能正确地执行正则化负二项回归,python,statsmodels,Python,Statsmodels,我试图用statsmodels拟合负二项回归 这是我的密码: import statsmodels.api as sm model = sm.NegativeBinomial mod_nbin = model(Y, X) res = mod_nbin.fit(disp=False, maxiter = 200) res_nbin2 = mod_nbin.fit_regularized(start_params=res.params, alpha=10) 然而,当我看到结果时: print re
import statsmodels.api as sm
model = sm.NegativeBinomial
mod_nbin = model(Y, X)
res = mod_nbin.fit(disp=False, maxiter = 200)
res_nbin2 = mod_nbin.fit_regularized(start_params=res.params, alpha=10)
然而,当我看到结果时:
print res_nbin2.summary()
我看到以下情况:
....
x45 -0.1876 0.024 -7.708 0.000 -0.235 -0.140
alpha 0.4742 0.011 41.510 0.000 0.452 0.497
因此,statsmodels以某种方式拟合alpha值,而不是使用我指定的值。关于如何解决这个问题有什么建议吗
谢谢 命名错误,有两种不同的alpha。
fit_regulated
中的alpha是惩罚参数。摘要中的alpha是负项的形状参数。惩罚参数将重命名为英文名称,而不是希腊字母。谢谢!那么.summary()中的alpha到底是什么呢?它应该是r,预定义的已发生故障数,对吗?X~negativebinomical(r;p)nb1
和nb2
版本的参数化不同alpha=0
是泊松特例<如果alpha>0
,则与泊松相比,code>alpha具有过度色散的色散参数解释。确定。我想我明白了。我可能应该使用sm.GLM(family=negativebinomical),因为我想将色散参数限制为1?但我似乎无法用GLM调用正则化的方法。据我所知,alpha=1
是loglike\u method='geometric'
,这是NegativeBionomial的第三个版本。目前,fit\u regulated
仅适用于discrete\u模型
。工作已经开始扩展到其他模型,但不会很快完成。