statsmodels.genmod.generalized_线性_模型.GLM.fit¶

GLM.fit(start_params=None, maxiter=100, method='IRLS', tol=1e-08, scale=None, cov_type='nonrobust', cov_kwds=None, use_t=None, full_output=True, disp=False, max_start_irls=3, **kwargs)[source]¶

拟合给定族的广义线性模型。

Parameters:¶

start_paramsarray_like, optional

对数似然最大化解决方案的初始猜测。 默认值是特定于族的，由 family.starting_mu(endog) 给出。如果给出了 start_params，则初始均值将计算为 np.dot(exog, start_params)。

maxiterint, optional

默认值为100。

methodstr

默认是‘IRLS’用于迭代重加权最小二乘法。 否则使用梯度优化。

tolfloat

收敛容差。默认值为 1e-8。

scalestr or float, optional

scale 可以是 ‘X2’、‘dev’ 或一个浮点数 默认值是 None，对于 Gamma、Gaussian 和 Inverse Gaussian，使用 X2。 X2 是皮尔逊卡方除以 df_resid。 对于 Binomial 和 Poisson 族，默认值是 1。 dev 是偏差除以 df_resid

cov_typestr

要计算的参数估计协方差矩阵的类型。

cov_kwdsdict-like

计算参数估计协方差的额外参数。

use_tbool

如果为真，则使用学生t分布进行推理。

full_outputbool, optional

设置为 True 以在 Results 对象的 mle_retvals 属性中获取所有可用输出。输出内容取决于求解器。有关更多信息，请参阅 LikelihoodModelResults 注释部分。如果方法是 IRLS，则不使用此设置。

dispbool, optional

设置为 True 以打印收敛消息。如果方法是 IRLS，则不使用。

max_start_irlsint

用于获取梯度优化起始值的IRLS迭代次数。仅在method设置为‘IRLS’以外的值时相关。

atolfloat, optional

(适用于IRLS拟合) 必须满足的绝对容差标准。默认为 tol。当满足以下条件时，达到收敛：\(rtol * prior + atol > abs(current - prior)\)

rtolfloat, optional

(适用于IRLS拟合) 必须满足的相对容差标准。默认为0，表示rtol未被使用。 当满足以下条件时，收敛达到： \(rtol * 先前值 + atol > abs(当前值 - 先前值)\)

tol_criterionstr, optional

(适用于IRLS拟合) 默认为 'deviance'。可以选择性地设为 'params'。

wls_methodstr, optional

(适用于IRLS拟合) 选项包括‘lstsq’、‘pinv’和‘qr’，用于指定在IRLS优化中使用哪种线性代数函数。默认值为lstsq，它使用与‘pinv’相同的基于SVD的方法，但在迭代过程中更快。‘lstsq’和‘pinv’通过基于各自numpy.linalg函数的rcond截断小的奇异值来正则化奇异和近奇异情况下的估计。‘qr’仅适用于非奇异和非近奇异的情况。

optim_hessian{‘eim’, ‘oim’}, optional

（可用于scipy优化器拟合）当使用‘oim’——默认选项时，拟合过程中使用观测到的Hessian。‘eim’是期望的Hessian。这可能会提供更稳定的拟合，但增加了Hessian正确指定的假设。

注释

如果方法为‘IRLS’，则可以使用一个额外的关键字‘attach_wls’。目前这仅用于内部使用，并且在未来的版本中可能会发生变化。如果‘attach_wls’为真，则IRLS迭代的最终WLS实例将附加到结果实例中，作为results_wls属性。