python - 初学者统计数据 : Predict binary outcome of set of numbers given history (Logistic regression)

Question

对于这个问题的简单性，我提前表示歉意。我没有统计方面的背景，并且迷失在这一切的复杂性中。

如果我有几千个数字，全部都是二进制结果

number,outcome
14,0
27,1
88,1
04,0
42,1 

如何预测 future 的数字？例如:

82
45
02

或者由于只有一个变量，这会不准确吗？我见过的所有例子都使用多个变量。

我一直在挖掘 statsmodels 并浏览了这个很棒的教程:http://blog.yhathq.com/posts/logistic-regression-and-python.html 。通过这个我做了这个:

import pandas as pd
import statsmodels.api as sm

df = pd.read_csv("binary.csv")
df.columns = ["number", "outcome"]
data = df[['number', 'outcome']]
train_cols = data.columns[0]
logit = sm.Logit(data['outcome'], data[train_cols])
result = logit.fit()
print result.summary()

但这似乎是在分析当前数字的权重，您如何预测新的数字？我是否以正确的方式处理这件事？

Answer 1

拟合结果应该有一个方法predict()。这就是您需要用来预测 future 值的内容，例如:

result = sm.Logit(outcomes, values).fit()
result.predict([82,45,2])