我擬合了兩個回歸模型，一個只有 1 個預測變量，另一個有 3 個預測變量?，F在我想比較這兩個模型。我怎樣才能做到這一點？我知道如何在 R 中執行但不確定如何在 python 中執行。這是 R 中用于比較兩個模型的代碼 -anova(albumSales.2, albumSales.3)結果 -Model 1: sales ~ advertsModel 2: sales ~ adverts + airplay + attract Res.Df RSS Df Sum of Sq F Pr(>F) 1 198 862264 2 196 434575 2 427690 96.447 < 2.2e-16 ***---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1> 基于以上結果，我們可以看到，與 albumSales.2 相比，albumSales.3 顯著提高了模型對數據的擬合度，F(2, 196) = 96.44，p < .001。我怎樣才能在 python 中做到這一點？
2 回答
蝴蝶刀刀
TA貢獻1801條經驗 獲得超8個贊
在 anova 中，您基本上計算 RSS 的差異。您可以在 statsmodels 中的方差分析小插圖下查看更多內容：
import pandas as pd
import seaborn as sns
import numpy as np
iris = sns.load_dataset('iris')
from statsmodels.formula.api import ols
from statsmodels.stats.anova import anova_lm
iris.head()
sepal_length sepal_width petal_length petal_width species
0 5.1 3.5 1.4 0.2 setosa
1 4.9 3.0 1.4 0.2 setosa
2 4.7 3.2 1.3 0.2 setosa
3 4.6 3.1 1.5 0.2 setosa
4 5.0 3.6 1.4 0.2 setosa
我們運行兩個模型并進行方差分析：
full_lm = ols("sepal_length ~ petal_length+petal_width", data=iris).fit()
reduced_lm = ols("sepal_length ~ petal_length", data=iris).fit()
anova_lm(reduced_lm,full_lm)
df_resid ssr df_diff ss_diff F Pr(>F)
0 148.0 24.525034 0.0 NaN NaN NaN
1 147.0 23.880694 1.0 0.64434 3.9663 0.048272
它會發出一些警告（您可以在我上面鏈接的網站上看到它）因為對于第一行它無法計算 F 等。
請注意，這與其他答案中建議的計算 Rsquare 不同。需要注意的一個重要問題是，如果您包含更多項，理論上您的 R 平方會增加，并且您想查看這些項是否顯著解釋了額外的方差，這就是您使用方差分析的原因。
ITMISS
TA貢獻1871條經驗 獲得超8個贊
我不知道有哪個函數可以像 R 中的示例那樣直接比較兩個模型，但是Scikit-Learn包是數據科學和機器學習中非常常用的 Python 包。它支持與回歸模型相關的各種指標，允許您創建自己的比較。
例如，它支持 R 2度量。以下示例來自 Scikit關于 R 2的文檔：
>>> from sklearn.metrics import r2_score
>>> y_true = [3, -0.5, 2, 7]
>>> y_pred = [2.5, 0.0, 2, 8]
>>> r2_score(y_true, y_pred)
0.948...
>>> y_true = [[0.5, 1], [-1, 1], [7, -6]]
>>> y_pred = [[0, 2], [-1, 2], [8, -5]]
>>> r2_score(y_true, y_pred,
... multioutput='variance_weighted')
0.938...
>>> y_true = [1, 2, 3]
>>> y_pred = [1, 2, 3]
>>> r2_score(y_true, y_pred)
1.0
>>> y_true = [1, 2, 3]
>>> y_pred = [2, 2, 2]
>>> r2_score(y_true, y_pred)
0.0
>>> y_true = [1, 2, 3]
>>> y_pred = [3, 2, 1]
>>> r2_score(y_true, y_pred)
-3.0
通過對您的兩個模型執行此操作，您可以獲得與從 R 獲得的類似的比較。
添加回答
舉報
0/150
提交
取消