如何解决如何在Python中进行多级模型/回归？
我获得了随时间推移的年度数据（纵向数据），并对许多受试者进行了重复测量。我认为我需要多层次的建模/回归来处理同一个人随着时间的推移必将被关联的一系列测量。目前，每年的数据位于单独的表格中。
我想知道scikit-learn中是否有一种方法，如LinearRegression（），能够进行多级回归，其中1级是多年来的所有数据，而2级是用于聚集在主题上（随时间推移每个主题的度量值的簇）。如果是这样，最好将纵向数据纵向放置（每个主题随时间推移的度量都排成一排）或堆叠起来（每年的每个度量都是它自己的列）。
有没有办法做到这一点？
解决方法
对多级模型中的随机效应进行估计并非易事，您通常必须采用贝叶斯推断方法。
我建议您研究贝叶斯推理包，例如pymc3或BRMS（如果您知道R），您可以在其中指定这样的模型。或者，查看R中的lme4软件包以获取多级模型的完全频率实现。
此外，我认为您可以从“睡眠剥夺”数据集中获得一些启发，该数据集用作纵向数据分析（https://cran.r-project.org/web/packages/lme4/vignettes/lmer.pdf）第4页的教科书示例
要开始使用pymc3，请在此处查看：
https://github.com/fonnesbeck/Bios8366/blob/master/notebooks/Section4_7-Multilevel-Modeling.ipynb
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
