Logistic 回归模型 - 预测和 ROC AUC

Question

我正在使用 statsmodels (statsmodels.api) 构建逻辑回归，并且想了解如何获取测试数据集的预测。这是我到目前为止所拥有的：

x_train_data, x_test_data, y_train_data, y_test_data = train_test_split(X, df[target_var], test_size=0.3)

logit = sm.Logit(
     y_train_data, 
     x_train_data
)

result = logit.fit()
result.summary()

打印下面 y_train_data 和 y_test_data 的预测的最佳方法是什么？我不确定在这种情况下要使用或导入哪些回归指标：

in_sample_pred = result.predict(x_train_data)
out_sample_pred = result.predict(x_test_data)

此外，计算 ROC AUC 分数并为该 Logistic 回归模型绘制它的最佳方法是什么（通过 scikit-learn 包）？

谢谢

Answer 1

要根据您的 x_test_data 进行预测，您所要做的就是：

x_test_predicted = result.predict(x_test_data)

print(x_test_predicted)

我想如果您想很好地掌握预测，您可以查看数据框：

import pandas as pd 

df_test_predictions = pd.DataFrame({
    'x_test_predicted': x_test_predicted, 
    'y_test': y_test_data 
    })

然后要计算ROC-AUC，你可以这样做：

from sklearn.metrics import roc_auc_score

score = roc_auc_score(y_test_data, x_test_predicted)
print(score)