如何在python中设置logistic回归的成功类别？

Question

我是通过比较python和SAS来学习logistic回归的。你知道吗

数据集：http://www.ats.ucla.edu/stat/data/binary.csv

这里是响应变量，有类别0和1。你知道吗

默认情况下，SAS是基于admission=0的概率进行建模的，如果我指定DESC选项，它会在admission=1上进行建模。你知道吗

参考：http://www.ats.ucla.edu/stat/sas/faq/logistic_descending.htm

现在在python中，默认情况下使用stats模型是在admission=1上建模的。我怎样才能在admission=0上建模（更改事件描述），这样我就看不到系数和预测概率的差异了。你知道吗

谢谢。你知道吗

Answer 1

唯一可靠的方法是创建一个新的0-1虚拟变量，其中1表示所需的级别。你知道吗

例如：

not_admit = (ADMIT == 0).astype(int)

这里的“robust”指的是pandas、patsy和statsmodels之间交互中的当前模糊性，如果数据类型不是整数或浮点数（例如string、boolean或object），这些模糊性可能会改变分类变量。分类因变量的这种处理方式在某些时候必须以向后不兼容的方式进行更改，以使其在公式和非公式版本之间保持一致。你知道吗

例如，这方面有一些问题 https://github.com/statsmodels/statsmodels/issues/2733