我试图用statsmodles计算非线性回归模型。尤其是我在学习patsy语法时遇到了问题。
有没有使用patsy语法建立非线性模型的教程或示例？
特别是，如何使用patsy指定这个示例（http://statsmodels.sourceforge.net/devel/examples/generated/example_ols.html）上的非线性模型？
非常感谢你提前
安迪
最佳答案
Patsy对于拟合一般的非线性模型并不是很有用，但是页面上链接到的模型是一种特殊的非线性模型——它们使用线性模型拟合方法（OLS），并将其应用于基本变量的非线性变换。一个标准且非常有用的技巧是组合同一变量的多个非线性变换，以便有效地拟合更一般的曲线。为此，帕西非常有用。
您真正想知道的是如何在patsy中表示变量转换。这很容易。patsy的工作方式是，给定一个类似"x1 + x2:x3"的公式字符串，它扫描并解释特殊的patsy操作符，比如+和:，然后剩下的东西（x1，x2，x3）被解释为任意的python代码。所以你也可以写"np.sin(x1) + np.log(x2):x3"之类的东西。
唯一要注意的是，如果要编写使用与patsy运算符冲突的python运算符的转换。例如，如果您想在转换中使用+或**，那么您必须小心确保patsy不会解释它们本身，而是将它们留给python。这里的技巧是patsy将忽略出现在函数调用中的任何操作符（或者patsy不理解的其他复杂python表达式，但主要是函数调用）。因此，如果您编写"x1 + np.log(x2 + x3)"，那么patsy将把它视为两个预测因子，x1和np.log(x2 + x3)——您可以看到它解释了第一个+，但它将第二个留给python单独解释。
但是，如果你想，比如说，把两个变量加在一起，用它们作为预测因子，而不需要记录日志呢？好吧，根据我们已经知道的，我们可以想出一个简单的技巧：我们可以定义一个只返回其输入的函数（identity函数），然后调用它，比如："x1 + I(x2 + x3)"。现在对I(...)的函数调用将阻止patsy看到第二个+，但当我们实际评估时，这个词将与I(x2 + x3)加x2相同。
而且有帮助的是，patsy自动提供了一个名为x3的函数，该函数的工作原理是这样的，它总是可以使用的。
现在您知道了复制该页上的示例所需了解的一切。第一个公式是I()。第二个公式是"x + I(x**2)"。
在最后一个例子中，使用patsy内置的分类编码支持是最简单的："x + np.sin(x) + I((x - 5)**2)"。（这里"x + C(groups)"是另一个特殊的内置函数，允许我们调整分类数据的编码方式。这里我们只是用它来告诉patsy，尽管C看起来像一个数值向量——它的值是0，1，2——实际上我们应该把它看作是分类的，每个值代表一个不同的组。然后patsy应用它的默认分类编码）
关于python - statsmodels:使用patsy指定非线性回归模型，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/16665833/