![](https://cdn-ak-scissors.b.st-hatena.com/image/square/b78321f151d36a6fb3995719d7af71942d14b365/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZoPTMzNiZ0eHQ9c3RhdHNtb2RlbHMlRTMlODElQUVhcGklRTMlODIlOTJza2xlYXJuJTIwbGlrZSVFMyU4MSVBQXdyYXBwZXIlRTclQjUlOEMlRTclOTQlQjElRTMlODElQTclRTUlOTElQkMlRTMlODElQjMlRTUlODclQkElRTMlODElOTkmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT01NiZ0eHQtY2xpcD1lbGxpcHNpcyZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPWYyMzAxMTgwNTc0MTg3MWZkYzJhYjcxYjUwN2RlYmIw%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwY2hlel9zdWdpJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz04NjE1MWZiYzAxMmJmZmM5NzBmYzM0MDhiYzM0YTZkNQ%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3De697b70bb9909b02c59c4124a4c972da)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
statsmodelsのapiをsklearn likeなwrapper経由で呼び出す - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
statsmodelsのapiをsklearn likeなwrapper経由で呼び出す - Qiita
はじめに GLM(一般化線形モデル)などstatsmodelsにしかない機能を使いたいことがありますが、scikit-l... はじめに GLM(一般化線形モデル)などstatsmodelsにしかない機能を使いたいことがありますが、scikit-learnのapiと切り替えて呼び出そうとすると、呼び出しの順序や引数を渡すタイミングが異なっていて不便です。 そこでstatsmodelsのapiをscikit learn風に呼び出せるwapperクラスを作りました。 wapperの定義 class SMWrapper(): def __init__(self, base_cls, fit_intercept=True, **params): self.base_cls = base_cls self.fit_intercept = fit_intercept self.params = params def fit(self, x, y, sample_weights=None): _x = sm.add_consta