我使用statsmodels的Logit来创建回归模型。
我得到错误:LinAlgError:奇异矩阵然后当我从我的数据集中一次删除1个变量时,我终于得到了一个不同的错误:PerfectSeparationError:检测到完美分离,结果不可用。
我怀疑原始错误(LinAlgError)与完美分离有关,因为我在R中遇到了同样的问题,并使用brglm(偏差减少的glm)绕过它。
我有一个布尔y变量和23个数字和布尔x变量。
我已经运行了一个VIF函数来删除任何具有高多重共线性分数的变量(我从26个变量开始)。
我尝试使用firth_regression.py代替完美分离,但我收到了一个内存错误:MemoryError。(https://gist.github.com/johnlees/3e06380965f367e4894ea20fbae2b90d)
我已经尝试过sklearn中的LogisticRegression,但无法得到对我不利的p值。
我甚至尝试从我的数据集中一次删除1个变量。当我得到4个变量时(我有23个),然后我得到了PerfectSeparationError:检测到完美分离,结果不可用。
有没有人经历过这个,你是如何解决它的?
感谢任何建议!
X = df.loc[:, df.columns != 'VehicleMake']
y = df.iloc[:,0]
# Split data
X_train, X_test, y_train, y_test = skl.model_selection.train_test_split(X, y, test_size=0.3)
有问题的代码:
# Perform logistic regression and get p values
logit_model = sm.Logit(y_train, X_train.astype(float))
result = logit_model.fit()
这是我试过的firth_regression,它让我遇到了内存错误:
# For the firth_regression
import sys
import warnings
import math
import statsmodels
from scipy import stats
import statsmodels.formula.api as smf
def firth_likelihood(beta, logit):
return -(logit.loglike(beta) + 0.5*np.log(np.linalg.det(-logit.hessian(beta))))
step_limit=1000
convergence_limit=0.0001
logit_model = smf.Logit(y_train, X_train.astype(float))
start_vec = np.zeros(X.shape[1])
beta_iterations = []
beta_iterations.append(start_vec)
for i in range(0, step_limit):
pi = logit_model.predict(beta_iterations[i])
W = np.diagflat(np.multiply(pi, 1-pi))
var_covar_mat = np.linalg.pinv(-logit_model.hessian(beta_iterations[i]))
# build hat matrix
rootW = np.sqrt(W)
H = np.dot(np.transpose(X_train), np.transpose(rootW))
H = np.matmul(var_covar_mat, H)
H = np.matmul(np.dot(rootW, X), H)
# penalised score
U = np.matmul(np.transpose(X_train), y - pi + np.multiply(np.diagonal(H), 0.5 - pi))
new_beta = beta_iterations[i] + np.matmul(var_covar_mat, U)
# step halving
j = 0
while firth_likelihood(new_beta, logit_model) > firth_likelihood(beta_iterations[i], logit_model):
new_beta = beta_iterations[i] + 0.5*(new_beta - beta_iterations[i])
j = j + 1
if (j > step_limit):
sys.stderr.write('Firth regression failed\n')
None
beta_iterations.append(new_beta)
if i > 0 and (np.linalg.norm(beta_iterations[i] - beta_iterations[i-1]) < convergence_limit):
break
return_fit = None
if np.linalg.norm(beta_iterations[i] - beta_iterations[i-1]) >= convergence_limit:
sys.stderr.write('Firth regression failed\n')
else:
# Calculate stats
fitll = -firth_likelihood(beta_iterations[-1], logit_model)
intercept = beta_iterations[-1][0]
beta = beta_iterations[-1][1:].tolist()
bse = np.sqrt(np.diagonal(-logit_model.hessian(beta_iterations[-1])))
return_fit = intercept, beta, bse, fitll
#print(return_fit)
我通过将logit回归中的默认方法更改为method ='bfgs'来解决我的问题。
result = logit_model.fit(method = 'bfgs')