基于GLM模型的索赔数量预测

Question

我正在进行一个案例研究，其中我必须预测每个保单的索赔数量。因为我的变量ClaimNb不是二进制的，所以我不能使用逻辑回归，但我必须使用泊松。我的GLM模型代码：

 import statsmodels.api as sm
  
  import statsmodels.formula.api as smf
  
  formula= 'ClaimNb ~ BonusMalus+VehAge+Freq+VehGas+Exposure+VehPower+Density+DrivAge'
  
  model = smf.glm(formula = formula, data=df,
  family=sm.families.Poisson()) 

我还拆分了我的数据

   # train-test-split   
   train , test = train_test_split(data,test_size=0.2,random_state=0)
   
   # seperate the target and independent variable
   train_x = train.drop(columns=['ClaimNb'],axis=1)
   train_y = train['ClaimNb']
   
   test_x = test.drop(columns=['ClaimNb'],axis=1)
   test_y = test['ClaimNb'] 

我现在的问题是预测，我使用了以下方法，但不起作用：

    from sklearn.linear_model import PoissonRegressor model = PoissonRegressor(alpha=1e-3, max_iter=1000)
    
    model.fit(train_x,train_y)
    
    predict = model.predict(test_x)

请问有没有其他方法来预测和检查模型的准确性？

谢谢

Answer 1

你需要赋值model.fit()并使用它进行预测，这与sklearn不同。另外，如果你使用这个公式，最好将你的数据帧分成训练和测试，并使用它进行预测。例如：

import statsmodels.api as sm
import statsmodels.formula.api as smf
import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.randint(0,100,(50,4)),columns=['ClaimNb','BonusMalus','VehAge','Freq'])
#X = df[['BonusMalus','VehAge','Freq']]
#y = df['ClaimNb']

df_train = df.sample(round(len(df)*0.8))
df_test = df.drop(df_train.index)

formula= 'ClaimNb ~ BonusMalus+VehAge+Freq'
  
model = smf.glm(formula = formula, data=df,family=sm.families.Poisson()) 
result = model.fit()

我们可以做预测：

result.predict(df_train)

或者：

result.predict(df_test)