web-dev-qa-db-ja.com

統計モデルOLS近似からパラメーターを1つだけ取得するのはなぜですか

ここに私がやっていることがあります：

$ python
Python 2.7.6 (v2.7.6:3a1db0d2747e, Nov 10 2013, 00:42:54) 
[GCC 4.2.1 (Apple Inc. build 5666) (dot 3)] on darwin
>>> import statsmodels.api as sm
>>> statsmodels.__version__
'0.5.0'
>>> import numpy 
>>> y = numpy.array([1,2,3,4,5,6,7,8,9])
>>> X = numpy.array([1,1,2,2,3,3,4,4,5])
>>> res_ols = sm.OLS(y, X).fit()
>>> res_ols.params
array([ 1.82352941])

2つの要素を持つ配列を期待していましたか？！？切片と勾配係数？

pythonpandaslinear-regressionstatsmodels
27
Tom

これを試して：

X = sm.add_constant(X)
sm.OLS(y,X)

ドキュメント のように：

インターセプトはデフォルトでは含まれていないため、ユーザーが追加する必要があります

statsmodels.tools.tools.add_constant

44
behzad.nouri

完了するために、これは動作します：

>>> import numpy 
>>> import statsmodels.api as sm
>>> y = numpy.array([1,2,3,4,5,6,7,8,9])
>>> X = numpy.array([1,1,2,2,3,3,4,4,5])
>>> X = sm.add_constant(X)
>>> res_ols = sm.OLS(y, X).fit()
>>> res_ols.params
array([-0.35714286,  1.92857143])

それは私に異なる勾配係数を与えますが、私たちは今、切片を持っているのでその数字を推測します。

6
Tom

これを試して、それは私のために働いた：

import statsmodels.formula.api as sm

from statsmodels.api import add_constant

X_train = add_constant(X_train)

X_test = add_constant(X_test)


model = sm.OLS(y_train,X_train)

results = model.fit()

y_pred=results.predict(X_test)

results.params
1
sup

0.6.1を実行していますが、「add_constant」関数がstatsmodels.toolsモジュールに移動されたようです。私が実行したものは次のとおりです：

res_ols = sm.OLS(y, statsmodels.tools.add_constant(X)).fit()
1
lukearmistead

私はコードX = sm.add_constant(X)を追加しましたが、pythonはインターセプト値を返しませんでしたので、小さな代数を使用してコードで自分で行うことにしました。

このコードは、35個のサンプル、7個の特徴、および方程式に特徴として追加した1つのインターセプト値の回帰を計算します。

import statsmodels.api as sm
from sklearn import datasets ## imports datasets from scikit-learn
import numpy as np
import pandas as pd

x=np.empty((35,8)) # (numSamples, oneIntercept + numFeatures))
feature_names = np.empty((8,))
y = np.empty((35,))

dbfv = open("dataset.csv").readlines()


interceptConstant = 1;
i = 0
# reading data and writing in numpy arrays
while i<len(dbfv):
    cells = dbfv[i].split(",")
    j = 0
    x[i][j] = interceptConstant
    feature_names[j] = str(j)
    while j<len(cells)-1:
        x[i][j+1] = cells[j]
        feature_names[j+1] = str(j+1)
        j += 1
    y[i] = cells[len(cells)-1]
    i += 1
# creating dataframes
df = pd.DataFrame(x, columns=feature_names)

target = pd.DataFrame(y, columns=["TARGET"])

X = df
y = target["TARGET"]

model = sm.OLS(y, X).fit()

print(model.params)

# predictions = model.predict(X) # make the predictions by the model


# Print out the statistics
print(model.summary())
0
R.jzadeh