我想用Python完成以下操作,最好是使用statsmodels包(但是如果您知道另一个包的解决方案,我也很乐意听到它):
我有数据olddata
和预测器predictors
。我用过
import statsmodels.api as sta
model = sta.GLM(olddata,predictors,family=sta.families.Binomial())
fitted = model.fit()
loglikelihood = fitted.llf
拟合模型并得到对数似然。现在我想知道,这个拟合模型对新数据集newdata
的描述有多好。如果我只是用
当然,对于我的新数据,我只会得到一个新权重的拟合模型的对数似然。不过,我想得到的是,在新数据的情况下,旧模型的性能如何。我很高兴,如果有人能告诉我如何做到这一点,而不需要手动计算对数可能性。在
事先非常感谢
我不认为有一种方法可以改变模型中的数据,但是对数似然可以用任何参数来评估。在
在本例中,我们可以用新数据创建一个新模型,但是在旧参数估计值处计算
model.loglike
,类似于其中
fitted_old
是旧的估计结果实例。在这应该与statsmodels master一起工作,但我不记得loglike是什么时候被添加到这种工作方式中的。在
注意,
result_instance.llf
是估计时的对数似然值,model_instance.loglike
是可以在任何params
处求值的方法。在相关问题 更多 >
编程相关推荐