statsmodel 泊松预测返回浮点数而不是整数答案

【问题标题】：statsmodel poisson prediction return floats instead of whole numbersstatsmodel 泊松预测返回浮点数而不是整数
【发布时间】：2018-03-21 21:19:36
【问题描述】：

所以我使用 statsmodel 包对我的数据集进行泊松回归，我确保我的训练 y 确实是计数和整数。但是，当我打印预测值（下面的 testmodely）时，它们是浮点数。

我非常困惑，我希望它们是整数，因为输入数据和模型拟合的数据是整数，而泊松输出计数数据。你知道我在哪里犯了错误吗？事先非常感谢。

import statsmodels.api as sm
poi_model = sm.GLM(trainingy,trainingx, family=sm.families.Poisson())
poi_results = poi_model.fit()
paramet = poi_results.params
testmodely = poi_model.predict(paramet, testx, linear=False)

【问题讨论】：

标签： machine-learning regression poisson

【解决方案1】：

泊松模型预测均值，即泊松随机变量的期望值或强度。这通常不是整数。假设分布假设正确，我们可以使用泊松强度得到新观测值的完整分布。

这类似于逻辑回归或 logit，其中预测是观察事件或类别的概率。这也是相应随机变量的平均值或期望值。在分类问题中，概率被分配给最有可能的类别所取代，即二进制 0、1 而不是实数。

【讨论】：

感谢您的回复。问题是当我打印 poi_result.mu 时，我得到了你刚才描述的每个样本的速率（通常是浮点数）。然而，当我打印预测时，我得到另一组浮点数（意味着它们不能是同一件事，即每个样本的泊松分布的平均值）。我假设第二组是样本的实现，因此应该是整数。如果两者都是费率（可能不同！），我应该如何创建它们的实现？非常感谢。
poi_result.mu 仅用于训练样本，与fittedvalues 相同。 predict 可用于新 exog 的样本外预测。您可以使用 scipy.stats.poisson 的预测平均值来访问所有分布方法，例如 pmf、cdf 和 rvs。
感谢您的帮助，完全正确。太糟糕了，我看到你的答案太晚了。对于将来的参考，您必须在拟合模型而不是原始模型上应用预测（在 poi_results 上而不是在 poi_model 上，正如我在上面所做的那样。）。此外，正如您所指出的，statsmodel 只能产生 mu（均值），并且对于实现，您需要转到辣味.stats。
我想知道你们中是否有人可以详细说明如何使用 scipy.stats.poisson 将 mu（手段）转化为实现的真实值。我对如何将 statsmodels 中的 Poisson 模型的强度与 scipy 结合起来感到困惑。