使用 Statsmodels 进行简单逻辑回归：添加截距并可视化逻辑回归方程

Question

使用 Statsmodels，我正在尝试生成一个简单的逻辑回归模型，以根据身高 (Hgt) 预测一个人是否吸烟 (Smoke)。

我感觉需要在逻辑回归模型中包含截距，但我不确定如何使用 add_constant() 函数来实现截距。另外，我不确定为什么会产生下面的错误。

这是数据集，Pulse.CSV：https://drive.google.com/file/d/1FdUK9p4Dub4NXsc-zHrYI-AGEEBkX98V/view?usp=sharing

完整的代码和输出在这个 PDF 文件中：https://drive.google.com/file/d/1kHlrAjiU7QvFXF2a7tlTSFPgfpq9bOXJ/view?usp=sharing

import numpy as np
import pandas as pd
import statsmodels.api as sm
import matplotlib.pyplot as plt
import seaborn as sns
sns.set()
raw_data = pd.read_csv('Pulse.csv')
raw_data
x1 = raw_data['Hgt']
y = raw_data['Smoke'] 
reg_log = sm.Logit(y,x1,missing='Drop')
results_log = reg_log.fit()
def f(x,b0,b1):
    return np.array(np.exp(b0+x*b1) / (1 + np.exp(b0+x*b1)))
f_sorted = np.sort(f(x1,results_log.params[0],results_log.params[1]))
x_sorted = np.sort(np.array(x1))
plt.scatter(x1,y,color='C0')
plt.xlabel('Hgt', fontsize = 20)
plt.ylabel('Smoked', fontsize = 20)
plt.plot(x_sorted,f_sorted,color='C8')
plt.show()

---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)
~/opt/anaconda3/lib/python3.7/site-packages/pandas/core/indexes/base.py in get_value(self, series, key)
   4729         try:
-> 4730             return self._engine.get_value(s, k, tz=getattr(series.dtype, "tz", None))
   4731         except KeyError as e1:
((( Truncated for brevity )))
IndexError: index out of bounds

Answer 1

Intercept 默认情况下不会添加到 Statsmodels 回归中，但如果您需要，可以手动添加它。

import numpy as np
import pandas as pd
import statsmodels.api as sm
import matplotlib.pyplot as plt
import seaborn as sns
sns.set()
raw_data = pd.read_csv('Pulse.csv')
raw_data
x1 = raw_data['Hgt']
y = raw_data['Smoke'] 

x1 = sm.add_constant(x1)

reg_log = sm.Logit(y,x1,missing='Drop')
results_log = reg_log.fit()

results_log.summary()

def f(x,b0,b1):
    return np.array(np.exp(b0+x*b1) / (1 + np.exp(b0+x*b1)))
f_sorted = np.sort(f(x1,results_log.params[0],results_log.params[1]))
x_sorted = np.sort(np.array(x1))

plt.scatter(x1['Hgt'],y,color='C0')

plt.xlabel('Hgt', fontsize = 20)
plt.ylabel('Smoked', fontsize = 20)
plt.plot(x_sorted,f_sorted,color='C8')
plt.show()

这也将解决错误，因为您的初始代码中没有拦截。Source