Cuiweibaike的博客

本文介绍用 python 做怀特异方差一致稳健标准误估计的方法。

看到网上有一些用 python 做多项 Logit 模型的讲解，大多是使用 scikit-learn 库。这里要介绍的是如何使用 statsmodels 库来做多项 Logit 模型。

McNemar检验，最常用的用法是用来检验列联表的相似性，但实际上它也可以用来检验两个相关样本是否来自同一分布。

前一篇文章说了McNemar检验，除了最常用的用法是用来检验列联表的相似性之外，它还可以用来检验两个相关样本是否来自同一分布。

这一篇主要说一说 McNemar 的具体算法。

这意味着，我们只能用一个方程 Y=2+3*X 来求解Y，如果又给我们一个方程说 Y=4+5*X，这时就意味着，我们无法通过 X 求出 Y 了，因为两个方程矛盾（注意，你可能会问，两个方程不是正好将X和Y两个变量求出来吗？换句话说，当我们面对 C=-2+3*Y 和 C=4+5*Y+6*C(t-1) 两个方程时，是根本就不出来 C 的，因为两个方程是矛盾的，因为 Y 和 C(t-1) 都是“会变的已知数”，而且两者都是自由改变，不存在Y受到C(t-1)制约的情况（也就是二者不存在线性相关性）。

如果你按照这段代码跑，放心，妥妥地只看到 “ Process finished with exit code 0”这篇文章的尾部也注明了，内容上参考了pypi org上的fitter说明。但是，不得不让我骂一句街 MaDe，pypi上面写的真TMD不负责。说实话，必须要给写文档的哥们一个差评 : (经本人尝试，还需要在最后加上一句代码。

但是，实践中要慎用 GAM，因为从上面的例子可以看到，GAM由于样条函数的存在，使其可解释性不如GLM好，而且 配置高 的 GAM 也很容易出现 过拟合 的现象，对 数据训练集 拟合程度很好，但未必适用于 数据测试集。因此，从模型应用的角度，选择 低配版的GAM 可能就可以了。这里，我们对 Claims 做拟合，因为如果对Freq做拟合的话，由于因变量 AOI 和 Terr 都是分类变量，则无法使用 GAM 做拟合了。广义线性模型GLM的升级是广义加法模型GAM，而 GLM 只是 GAM 的一个特例。

今天也写写专业文章，Logistic回归模型

数据降维，包括主成分分析PCA和因子分析FA，都离不开特征值和特征向量。今天先不细说特征值和特征向量，先说一说理解数据降维的一个关键概念，线性映射。

什么是数据降维？关于这个问题，很多专家的说法都非常学术，估计很多普通人听不懂。所以，这里用通俗的语言解释一下，希望有助于更多的入门新人理解。

今天我也从一个保险精算师的角度，谈谈特征值和特征向量的几何解释，希望我的解释，能让更多的新人理解。

北美产险精算学会（CAS）于2022年10月初在官网宣布了北美产险精算学会的年度评奖结果。

优快云中一些文章在介绍这个问题或者叫“特征值分解”时，讲得都比较学术化，今天用一个小例子，还是面向新人，来引导理解“特征值分解”和“矩阵近似”。

这是对北美产险精算学会CAS北美产险精算师考试教材《广义线性模型实践者指南》的第一章中的实例的一个结果验证。

这是北美产险精算学会CAS网站上的一个案例，对案例略作修改后进行验证。