Question

file = pd.DataFrame({'name':['s', 'k', 'lo', 'ki'] , 'age':[12, 23, 32, 22], 'marks':[34, 34, 43, 22], 'score':[1, 1, 0, 1]})

我想使用以下命令运行逻辑回归：

import statsmodels.formula.api as smf 
logit = smf.logit( 'score ~ age + marks', file)
results = logit.fit()

但是我收到了一个错误：

"statsmodels.tools.sm_exceptions.PerfectSeparationError:
Perfect separation detected, results not available".

我还将数据拆分为训练集和测试集我该怎么办？我必须在此之后使用predict命令。

＆＃34; GLM＆＃34; R中的命令看起来比Python容易得多。

Answer 1

当我处理一些数据时，我也遇到了类似的错误。这是由于数据的属性。由于两个组（得分= 0和得分= 1）在您的数据中完全分开，因此决策边界可以在任何地方（无限解）。因此库无法返回单个解决方案。这个FIGURE会显示您的数据。解决方案1,2,3都有效。

我在Matlab中使用glmnet运行它。 Matlab的错误是：

警告：估计的系数完全将故障分开成功。这意味着理论上的最佳估计值不是有限的。

使用更多数据点会有所帮助。

有趣的是，来自scikit-learn的LogisticRegression似乎没有抱怨。

使用scikit-learn解决问题的示例代码是：

import pandas as pd
import numpy as np
from patsy import dmatrices
from sklearn.linear_model import LogisticRegression

file = pd.DataFrame({'name':['s', 'k', 'lo', 'ki'] , 'age':[12, 23, 32, 22], 'marks':[34, 34, 43, 22], 'score':[1, 1, 0, 1]})
# Prepare the data
y,X = dmatrices('score ~ age + marks',file)
y = np.ravel(y)
# Fit the data to Logistic Regression model
model = LogisticRegression()
model = model.fit(X,y)

要将数据拆分为培训和测试，您可能需要参考： http://scikit-learn.org/stable/modules/generated/sklearn.cross_validation.train_test_split.html

python中的逻辑回归，测试集和训练集

1 个答案: