Skip to content

Machine Learning › 套件 › statsmodels

statsmodels ​

Python 的統計建模與推論套件:給出係數、標準誤、p 值、信賴區間與完整摘要表,語法接近 R。本筆記以 statsmodels 0.15 驗證。統計觀念本身見 統計:迴歸分析。

建議順序 ​

text
線性迴歸(公式 API、summary)→ 診斷(殘差、影響點)→ 指標 → 邏輯斯迴歸 → ANOVA

筆記 ​

筆記內容回答的問題
線性迴歸ols、summary()、預測區間係數多大?顯著嗎?
診斷殘差、leverage、Cook's D、DFFITS、VIF結果是不是被少數點或違反假設驅動?
指標R²、調整 R²、mse_resid、AIC / BIC、pseudo R²模型配適得多好?
邏輯斯迴歸logit、odds ratio、完全分離二元結果的效果大小?
ANOVA單因子、雙因子、ANCOVA、Type II / III、Tukey組別平均有差嗎?

兩種 API ​

python
import statsmodels.api as sm
import statsmodels.formula.api as smf

# 1. 公式 API(推薦):自動加截距、處理類別變數
model = smf.ols("y ~ x1 + x2 + C(group)", data=df).fit()

# 2. 陣列 API:要自己加截距
X = sm.add_constant(df[["x1", "x2"]])
model = sm.OLS(df["y"], X).fit()
公式語法意義
y ~ x1 + x2兩個主效果
y ~ x1 * x2主效果 + 交互作用(= x1 + x2 + x1:x2)
C(group)當作類別變數(dummy 編碼)
C(group, Treatment(reference="B"))指定參考組
np.log(y) ~ x、I(x**2)在公式內轉換
y ~ x - 1不要截距

statsmodels vs scikit-learn ​

面向statsmodelsscikit-learn
目的統計推論、假設檢定預測、ML 流程
API公式(類似 R)物件導向 fit(X, y)
輸出p 值、CI、檢定統計量預測值、少量統計資訊
預設正則化無部分模型有(LogisticRegression 預設 L2)
驗證樣本內診斷交叉驗證、pipeline
適合研究、需要解釋係數上線、模型比較

兩者互補:用 statsmodels 理解效果與檢查假設,用 scikit-learn 做交叉驗證與預測流程。