statsmodels

    0熱度

    2回答

    在Python中,我試圖瞭解StatsModel Linear Mixed Effects Models。 模型類是: class statsmodels.regression.mixed_linear_model.MixedLM(endog, exog, groups, exog_re=None, use_sqrt=True,

    0熱度

    1回答

    我有一個時間序列信號,我想在Python中分解,所以我轉向了statsmodels.seasonal_decompose()。我的數據頻率爲48(半小時)。我遇到了與this questioner相同的錯誤,解決方案是從Int索引更改爲DatetimeIndex。但我不知道我的數據來自的實際日期/時間。 在this github thread,一個statsmodels貢獻者說 「在0.8,你應該

    3熱度

    1回答

    我目前使用statsmodels Python包爲了繪製兩個資產的自相關圖(它是作爲我的主人的一部分的財務任務),但是我在設置圖例時存在問題,以便標記符合實際資產。例如,藍色標記對應於「資產A」,而綠色標記對應於「資產B」。然而,另外兩條線不斷出現在傳說中,我無法擺脫它們!我想要做的就是擁有一個帶有兩個標記的傳說,這些標記對應於每個資產,但處理這個包的情節至今是絕對的噩夢,並且已經比處理matpl

    0熱度

    1回答

    我試圖按照時間序列分析的教程,並早點擊了一個障礙。該「SARIMAX」庫不可使用下面的語法,每statsmodels網站: import statsmodels.api as sm sm.tsa.statespace.SARIMAX 我也看着如: sm.tsa.SARIMAX 狀態空間缺失等是SARIMAX在其他選項。我究竟做錯了什麼? 使用Tab完成,我看不到任何類似的庫(作爲這個領

    0熱度

    1回答

    我需要通過平滑銷售百分比值進行分組,因銷售百分比值可能由於缺貨情況而不穩定。我有熊貓數據框中的數據。這裏是我嘗試代碼: from scipy.interpolate import UnivariateSpline s = base_data1.groupby(['MDSE_ITEM_I','CO_LOC_I'])\ .transform(lambda x: UnivariateSpline(n

    1熱度

    1回答

    我目前使用Python的Patsy模塊爲我的模型創建矩陣輸入。例如,我可能會使用一個公式是 'Survived ~ C(Pclass) + C(Sex) + C(honor) + C(tix) + Age + SibSp + ParCh + Fare + Embarked + vowel + middle + C(Title)' 不過,我想執行模型選擇,所以我想從 'Survived ~ Ag

    0熱度

    1回答

    我試圖預測使用SARIMAX的季節性時間序列。時間序列包含每日PV饋入的最大值,這導致假定365天的週期性。 這裏是我的代碼: mod= SARIMAX(realy.Max, order=(0,1,1), seasonal_order=(0,1,1,365)) results_SARIMAX = mod.fit(disp= -1) 我seasonal_order設置s到365,因爲我的週期性

    0熱度

    1回答

    我試圖在使用melt()函數將寬轉換爲長格式後,將分類變量轉換爲R中的因子。然而,當我運行因子功能和輸入水平和標籤時,我得到一個表格: 有沒有人知道爲什麼會發生這種情況? law <- read.csv("lawyers_class_new.csv") library(reshape2) law <- melt(law, id.vars = c("Subj"), measure.vars

    0熱度

    1回答

    我已經編寫了一個代碼,用WLS的多元迴歸形成最佳擬合線的方程式。下面是我使用的代碼: import numpy as np import csv import pandas as pd import statsmodels.api as sm from statsmodels.sandbox.regression.predstd import wls_prediction_std #r

    0熱度

    1回答

    進行X-12-ARIMA statsmodels我跟隨statsmodels的this example X-12-ARIMA的實施,並在我的情況我有一個看起來像 668 2000/01/28 20:00:00 1.476667 669 2000/01/28 21:00:00 1.715498 670 2000/01/28 22:00:00 1.713599 671 2000/01/28 23