的Python：找到使用statsmodel

我使用statsmodel为使Python中的分对数回归模型的拐点：的Python：找到使用statsmodel

import statsmodels.formula.api as smf

我必须跟X1值和d值的数据帧。 d列是我的因变量。我绘制d比X1并获得：

现在，我使用statsmodel适合分对数回归模型：

logit_mod = smf.logit('d ~ x1', data = df).fit() 
print 
print(logit_mod.summary()) 
logithat = logit_mod.predict(df) 

plt.plot(df['x1'], logithat, 'o') 
plt.scatter(df['x1'], df['d'], color='orange')

结果是这样的：

怎么办我获得该logit曲线的拐点的值？

谢谢！

来源

2015-10-13 Steve

logit函数是以零为中心对称的，或者概率为0.5。我认为拐点是线性预测为0的地方0 = const + b * x_I，其中b是斜率系数，所以它应该是'x_I = -params [0]/params [1]'。（未验证） – user333700

那么你的意思是'x_I = -logit_mod.params [0]/logit_mod.params [1]'？因为那会返回0.511，这与我的预期相符。 – Steve

import pandas as pds 
df1 = pds.DataFrame({'lgt' : logithat,'x':x1}).set_index('x') 
grid = np.linspace(df1.index.min(),df1.index.max(),df1.shape[0]+1) 
df2 = pds.DataFrame({'grid':grid}).reset_index().set_index('grid') 
df2 = pds.concat([df1,df2],join='outer',axis=1) 
df2['lgt_'] = df2['lgt'].interpolate() 


inflexion  = df2['lgt_'].diff().argmax() 

fig = plt.figure() 
ax = fig.add_subplot(111) 
df2['lgt_'].plot(ax=ax) 
ax.vlines(inflexion,df2['lgt_'].min(),df2['lgt_'].ix[inflexion])

来源

2015-10-13 17:11:42

这很有帮助！虽然它返回0.94的值，所以我认为它给了我一些与拐点不同的东西。这个数值可能是平衡点还是曲线开始变平的地方？ – Steve

如果x值在均匀间隔的网格上，或者更好，则在x的等间距网格上评估预测值。否则，有限差分将基于x的不同增量。 – user333700

是的，它确切@ user333700它在一个等距网格上是真实的。所以我会纠正我的答案.. –

的Python：找到使用statsmodel

回答

相关问题