Блог

Как выполнить перекрестную проверку с помощью регрессионной модели GLM?

Я создал модель glm sm.GLM(endog, exog, family=sm.families.Gamma(link=sm.families.links.log())).fit() , и мне нужно будет перепроверить результат, однако я не могу найти способ сделать это с sm.GLM помощью модели. Найдено несколько примеров, где model = LogisticRegression() используется, но это неприменимо к моим данным.

Вот код:

 import pandas as pd import statsmodels.api as sm from sklearn.model_selection import train_test_split, cross_val_score from sklearn.model_selection import KFold  Test = pd.read_csv(r'D:myfile.csv')  endog = Test['Y'] exog = Test[['log_X1', 'log_A', 'log_B']]  glm_model = sm.GLM(endog, exog, family=sm.families.Gaussian(link=sm.families.links.log())).fit() y_pred = glm_model.predict()  scoring = "neg_root_mean_squared_error" X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.30, random_state=1) crossvalidation = KFold(n_splits=10) scores = cross_val_score(glm_model, X_train, y_train, scoring="neg mean_squared_error", cv=crossvalidation)  

С конкретной строкой я получаю ошибку. Возможно, есть другие способы, как это сделать?

 scores = cross_val_score(glm_model, X_train, y_train, scoring="neg mean_squared_error", cv=crossvalidation) TypeError: estimator should be an estimator implementing 'fit' method, lt;statsmodels.genmod.generalized_linear_model.GLMResultsWrapper object at 0x000002972A2181F0gt; was passed  

Ответ-SMWrapper:

 import statsmodels.api as sm  from sklearn.base import BaseEstimator, RegressorMixin  class SMWrapper(BaseEstimator, RegressorMixin):  """ A universal sklearn-style wrapper for statsmodels regressors """   def __init__(self, model_class, fit_intercept=True):  self.model_class = model_class  self.fit_intercept = fit_intercept   def fit(self, X, y):  if self.fit_intercept:  X = sm.add_constant(X)  self.model_ = self.model_class(y, X)  self.results_ = self.model_.fit()  return self   def predict(self, X):  if self.fit_intercept:  X = sm.add_constant(X)  return self.results_.predict(X)