Python statsmodel.api逻辑回归（Logit）

Question

所以我尝试使用python的statsmodels.api对二进制结果进行逻辑回归。我正在按照教程使用Logit。 当我尝试对测试数据集进行预测时，每个记录的输出都是0到1之间的小数。 不是应该给我零和一吗？或者我必须用一个圆函数或者其他什么东西来转换它们。

请原谅这个问题不重要。我在看我的旅程。

Answer 1

如果响应在单位间隔上，除了损失考虑之外，还被解释为概率，那么另一个可能有帮助的观点是将其视为二项式结果，作为计数而不是伯努利。特别是，除了你的问题中的概率反应外，在每一个案例中，有没有与审判次数相对应的情况？如果有，那么logistic回归可以重新表示为二项式（计数）响应，其中（整数）计数将是四舍五入的期望值，通过概率和试验次数的乘积获得。

Answer 2

预测值是给出解释变量的概率，更准确地说是观察到1的概率。

为了得到0，1的预测，你需要选择一个阈值，比如0.5的等阈值，并将1赋给阈值以上的概率。

比如说，如果是努比

predicted = results.predict(x_for_prediction)
predicted_choice = (predicted > threshold).astype(int)