python logistic步骤_Python api.Logit方法代码示例

本文整理汇总了Python中statsmodels.api.Logit方法的典型用法代码示例。如果您正苦于以下问题：Python api.Logit方法的具体用法？Python api.Logit怎么用？Python api.Logit使用的例子？那么恭喜您, 这里精选的方法代码示例或许可以为您提供帮助。您也可以进一步了解该方法所在模块statsmodels.api的用法示例。

在下文中一共展示了api.Logit方法的13个代码示例，这些例子默认根据受欢迎程度排序。您可以为喜欢或者感觉有用的代码点赞，您的评价将有助于我们的系统推荐出更棒的Python代码示例。

示例1: compute

​点赞 6

​

# 需要导入模块: from statsmodels import api [as 别名]

# 或者: from statsmodels.api import Logit [as 别名]

def compute(self, method='logistic'):

"""

Compute propensity score and measures of goodness-of-fit

Parameters

----------

method : str

Propensity score estimation method. Either 'logistic' or 'probit'

"""

predictors = sm.add_constant(self.covariates, prepend=False)

if method == 'logistic':

model = sm.Logit(self.treatment, predictors).fit(disp=False, warn_convergence=True)

elif method == 'probit':

model = sm.Probit(self.treatment, predictors).fit(disp=False, warn_convergence=True)

else:

raise ValueError('Unrecognized method')

return model.predict()

开发者ID:kellieotto，项目名称:pscore_match，代码行数:19，

示例2: Nagelkerke_Rsquare

​点赞 6

​

# 需要导入模块: from statsmodels import api [as 别名]

# 或者: from statsmodels.api import Logit [as 别名]

def Nagelkerke_Rsquare(self,columns):

cols=columns.copy()

cols.append('intercept')

log_clf=sm.Logit(self.data[self.target],self.data[cols])

N=self.data.shape[0]

# result=log_clf.fit(disp=0,method='powell')

try:

result=log_clf.fit(disp=0)

except:

result=log_clf.fit(disp=0,method='powell')

llf=result.llf

llnull=result.llnull

lm=np.exp(llf)

lnull=np.exp(llnull)

naglkerke_rsquare=(1-(lnull/lm)**(2/N))/(1-lnull**(2/N))

return naglkerke_rsquare

开发者ID:dominance-analysis，项目名称:dominance-analysis，代码行数:18，

示例3: Cox_and_Snell_Rsquare

​点赞 6

​

# 需要导入模块: from statsmodels import api [as 别名]

# 或者: from statsmodels.api import Logit [as 别名]

def Cox_and_Snell_Rsquare(self,columns):

cols=columns.copy()

cols.append('intercept')

log_clf=sm.Logit(self.data[self.target],self.data[cols])

N=self.data.shape[0]

# result=log_clf.fit(disp=0,method='powell')

try:

result=log_clf.fit(disp=0)