statsmodels.gam.generalized_additive_模型.LogitGam¶

class statsmodels.gam.generalized_additive_model.LogitGam(endog, smoother, alpha, *args, **kwargs)[source]¶

离散Logit的广义加性模型

这是离散模型 Logit 的子类。

警告：并非所有继承的方法都能正确考虑惩罚

尚未验证。

Attributes:¶

endog_names

内生变量的名称。

exog_names

外生变量的名称。

family

link

方法

cdf(X)	逻辑累积分布函数
cov_params_func_l1(likelihood_model, xopt, ...)	计算在由l1正则化拟合产生的非零参数对应缩减参数空间上的cov_params。
fit([method, trim])	最小化负惩罚对数似然
fit_constrained(约束[, start_params])	fit_constraint 返回一个结果实例
fit_regularized([start_params, method, ...])	使用正则化的最大似然法拟合模型。
from_formula(公式, 数据[, 子集, 删除列])	从公式和数据框创建模型。
get_distribution(params[, exog, offset])	获取基于预测参数的分布的冻结实例。
hessian(params[, pen_weight])	模型在参数处的Hessian
hessian_factor(参数)	Logit 模型 Hessian 因子
hessian_numdiff(params[, pen_weight])	基于有限差分的Hessian矩阵
information(params)	模型的费舍尔信息矩阵。
initialize()	初始化由 statsmodels.model.LikelihoodModel.__init__ 调用，并且应该包含模型所需的任何预处理。
loglike(参数[, 惩罚权重])	模型在参数处的对数似然值
loglikeobs(params[, pen_weight])	模型观测值在参数处的对数似然
pdf(X)	逻辑概率密度函数
predict(params[, exog, which, linear, offset])	预测给定外生变量的模型的响应变量。
score(params[, pen_weight])	模型在参数处的梯度
score_factor(params)	Logit 模型对数似然函数关于 linpred 的导数。
score_numdiff(params[, pen_weight, method])	基于有限差分导数的分数
score_obs(params[, pen_weight])	模型观测值在参数处的梯度

属性

endog_names	内生变量的名称。
exog_names	外生变量的名称。
family
link