Hay 2 tipos de Modelos Lineales Generalizados:

1. Log-Lineal de la Regresión, también conocido como Regresión de Poisson

2. La Regresión Logística

Cómo implementar la Regresión de Poisson en Python para la Elasticidad Precio de la predicción?

  • Es un poco lo que estás buscando statsmodels.sourceforge.net/devel/glm.html? También, demasiado amplio.
  • El enlace que ha compartido la «distribución de Poisson». Yo estaba buscando «Regresión de Poisson». Es allí en R, pero su implementación en Python ?
  • Yo no estoy en busca de Regresión Logística. Quería saber acerca de Log-Lineal (Poisson) de Regresión en Python.
  • seguro de regresión logística será de gran ayuda en una regresión de poisson problema. No agregue los comentarios que no tienen sentido. Es mejor permanecer en silencio
  • eso es cierto, eliminado.
  • El escenario es un modelo predictivo tiene que ser construido para la Elasticidad Precio de la predicción. Así que estaba interesado en saber acerca de Regresión de Poisson utilizando Python.
  • no utilice logístico o de regresión probit para la elasticidad de los Precios?
  • Yo no sé mucho acerca de regresión probit. Voy a tratar de Regresión Logística como tengo una buena comprensión acerca de ella.
  • Pero la Regresión Logística es la misma como un problema de clasificación.
  • La elasticidad precio de modelado construye un modelo en el que la respuesta real es que los individuos de la aceptación o rechazo de una cita o de la renovación que ofrece, de modo logística reg se ajuste bien si va a la modelización de la aceptación o el rechazo de una oferta de precio – no citar el 100% de aquí no me he hecho este tipo de modelado desde Univ (muuuucho tiempo atrás)
  • Yo quería predecir el precio estimado de valor de uso de un modelo. Con respecto a la aceptación/rechazo de la renovación de la ofrenda, como usted dijo Regresión Logística funciona bastante bien. Voy a considerar el hacer de la aceptación/ rechazo del concepto.

InformationsquelleAutor User456898 | 2016-06-21

1 Comentario

  1. 11

    Tener una mirada en el statmodels paquete en python.

    Aquí es un ejemplo

    Un poco más de entrada para evitar la enlace única respuesta

    Assumming sabes python aquí es un extracto de el ejemplo que he mencionado anteriormente.

    import numpy as np
    import pandas as pd
    from statsmodels.genmod.generalized_estimating_equations import GEE
    from statsmodels.genmod.cov_struct import (Exchangeable,
        Independence,Autoregressive)
    from statsmodels.genmod.families import Poisson

    pandas celebrará el marco de datos con los datos que desea utilizar para alimentar a su modelo de poisson.
    statsmodels paquete contiene gran familia de modelos estadísticos como Lineal, probit, poisson, etc. desde aquí usted va a importar la distribución de Poisson modelo de familia (sugerencia: véase la última importación)

    De la manera que se ajuste a tu modelo es la siguiente (asumiendo que la variable dependiente se llama y y su IV son la edad, el trt y la base):

    fam = Poisson()
    ind = Independence()
    model1 = GEE.from_formula("y ~ age + trt + base", "subject", data, cov_struct=ind, family=fam)
    result1 = model1.fit()
    print(result1.summary())

    Como no estoy familiarizado con la naturaleza de su problema, yo sugeriría a tener una mirada en la regresión binomial negativa si necesita los datos de recuento, es bien overdispersed. con Alta sobredispersión su poisson supuestos no pueden sostener.

    Gran cantidad de información para la regresión de poisson en R – búscalo en google.

    Esperanza ahora que esta respuesta ayuda.

    • Lo siento, ¿qué es el «tema» de aquí?
    • Es «sujeto» de la variable dependiente?
    • Lo siento, no ver estos comentarios. «Sujeto» es una agrupación de variables. la variable dependiente es ‘y’

Dejar respuesta

Please enter your comment!
Please enter your name here