python - PyLogit 数据框格式和条件 Logit 预测

Question

我正在努力复制论文的结果，“一种用于生成和组合统计预测模型以增强竞争事件预测的新方法”，作者是 Lessmann 等人。

我遇到的问题有两个。

首先，作者使用条件 logit 模型来堆叠模型基础层的预测。具体来说，MLR、SVM 和决策树的组合，然后用作条件 logit 模型中的输入。然后，作者将条件 logit 模型的此输出传递到第二阶段条件 logit 模型，其中包括隐含的公共概率。然后使用这些模型来预测一组坚持比赛的概率。

我遇到的问题是如何使用条件 logit 模型进行预测？据我了解，固定效应模型不能用于预测看不见的数据。也许我需要更多地挖掘实际的数学知识，但是缺少截距不会使对看不见数据的预测产生偏差吗？

其次，什么包可以让我进行条件 logit 模型？

我尝试使用 Statsmodels 条件 logit，但 pd.Panel() 在包 0.25.0 之后已被弃用，这将需要我回归我的 pandas 包以允许甚至使用 statsmodel CLogit。

鉴于此，我尝试使用 PyLogit，但似乎很难理解如何格式化数据帧以允许 PyLogit 适合然后预测保持集。

下面是传递到第一阶段的数据示例。

   horse_id  SVM_Pred1  MLR_Pred1  SVM_Pred2  race_id  target
0         1       0.20       0.50       0.34        1       0
1         2       0.40       0.30       0.40        1       0
2         3       0.14       0.10       0.20        1       0
3         4       0.50       0.50       0.60        1       0
4         5       0.30       0.30       0.28        1       1
5         6       0.68       0.72       0.69        2       0
6         7       0.70       0.80       0.73        2       1
7         8       0.20       0.13       0.17        2       0

其中 Pred 是模型类型和该模型的预测，race_id 是组，目标是获胜的个人。

这将如何格式化以被 pylogit 接受？

老实说，我被困住了，甚至注意到如何继续将此 df 格式化为 PyLogit 所需的格式。

我假设来自 PyLogit 的混合 Logit 模型将是我正在寻找的，因为它允许在未观察到的因素中存在相关性，并且由于我无法观察到所有内容，因此每个种族中可能存在可能相关的因素。

标签： pythonpandasdataframestatsmodelsforecasting