我已經能夠使用result = logit.fit()做模型預測。python的statsmodel包中的測試和驗證
現在進行測試和驗證設置我們只需要做result.predict(test_df[features])和result.predict(vald_df[features])？這就是全部？或者我錯過了一些步驟？當我嘗試部署該模型進行日常預測時，情況會有什麼不同？
我是statmodel的新手，事實上從今天開始，種類不足。我查了幾個博客，信息不相關，所以只是想確定一下。
另外，有沒有一種方法可以直接從statsmodel中提取'Area under ROC'而不是編碼我們的方式？
對於第一個問題，每個ML算法（樹，邏輯迴歸，...）都有參數。爲un算法找到最佳參數，我們訓練多個具有不同參數的模型，並保留在驗證數據集上得到最佳分數的模型（參數）。 現在這個分數並沒有給你一個想法，即你在生產（預測）中會給你一次什麼樣的分數，因爲你用測試數據集中的最佳參數測試了你的模型，這個最終分數讓你知道你的模型將如何執行在生產上。
對於第二個問題，你可以用小品學習，我谷歌，我發現放入系統的例子http://www.programcreek.com/python/example/82598/sklearn.metrics.auc
我的查詢都是特定於在python包名稱'statsmodel'中開發解決方案的。我知道scikit學習可以給我的指標，但我使用statsmodel，因爲它是不容易的提取p值的scikit學習，我需要，可以從statsmodel得到的係數 – CARTman
statsmodels沒有AUC，但我認爲你可以使用statsmodels的結果調用scikit-learn AUC函數。 – user333700
這並沒有發生在我身上..讓我試試 – CARTman
對於預測就是這樣。一旦你從一個擬合模型得到了結果實例，你可以在新數據上調用'predict'。新數據需要與原始數據的結構相匹配。如果您使用公式，那麼數據將按照與訓練數據相同的方式進行轉換。如果您直接將設計矩陣作爲DataFrame或numpy數組提供，則用於預測的數據需要與此相匹配，例如，你需要明確包含常量，它不會自動添加。 – user333700