如何解决如何使用smf.mnlogit.predict正确预测/分类？
我很好奇是否有人可以帮助我理解使用.predict（）获得单个预测矢量的有效方法，以便使用statsmodels.formula.api.mnlogit()
import pandas as pd,statsmodels.formula.api as smf
df = pd.DataFrame({'age': np.random.choice([20,30,23,40,39,27],size = 100,replace = True),'animal': np.random.choice(['dog','parrot','cat','turtle'],replace = True)})
mod = smf.mnlogit('animal ~ age',df).fit()
predictions = mod.predict(df['age'])
print(predictions)
这将输出100行x 4列的矩阵形状：.predict() outputs
我猜这是来自df.animals.unique()的四个输出变量之一的值的分类概率吗？
我猜想我会创建一个函数，使用来自.predict()输出的行中的最高概率得分将每个值分配给四个DV之一？
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。
