statsmodels

2熱度

2回答

我想用零截點擬合二階函數。現在，當我繪製它，我收到帶有Y-INT> 0。我想，以適應由功能一組點輸出的線路： y**2 = 14.29566 * np.pi * x 或 y = np.sqrt(14.29566 * np.pi * x) 到兩個數據集x和y，其中D = 3.57391553。我的擬合程序是： z = np.polyfit(x,y,2) # Generate cu

0熱度

1回答

如何將線性迴歸圖的x範圍設置爲實際值？

你好，我現在正在學習線性迴歸。我想從我所做的數據中繪製線性迴歸圖。，如果有一個數據如下所示， one_cycle = [(0, 401.92), (5, 103.62), (7, 62.8), (8, 28.26), (10, 10.55)] 我用statsmodels.api.OLS並得到了迴歸結果。 def basic_regression(one_cycle): #one_c

1熱度

2回答

將索引更改爲運行時間序列模型時的日期

我需要使用StatsModels運行時間序列模型，並且它需要我的索引爲日期。但是，目前我的日期都是字符串形式。有沒有什麼快速的方法可以將日期轉換爲statsmodel時間序列模型滿足的格式？我的日期字符串目前這樣的： 1/8/2015 1/15/2015 1/22/2015 1/29/2015 2/5/2015

0熱度

1回答

statsmodel：模擬數據並運行簡單的線性迴歸

我是python statsmodels包的新手。我試圖模擬與log（x）線性相關的一些數據，並使用statsmodels公式接口運行簡單的線性迴歸。下面是代碼： import pandas as pd import numpy as np import statsmodels.formula.api as smf B0 = 3 B1 = 0.5 x = np.linspace(10,

2熱度

2回答

對數據框中的每列應用T檢驗

我有一個大約20列的數據框（我稱之爲PeerGroup），每個列都有一組20個不同基金的月度回報，可追溯到大約十年。我試圖確定過去三年的平均收益是否與整體業績記錄的平均收益有統計學差異。目前，使用熊貓，我可以測試列一次一個像這樣： import pandas as pd import statsmodels as st PeerGroup = pd.read_excel['File\Path

0熱度

1回答

標準化數據後，使用迴歸分析如何預測y？

我已經規範化了我的數據並應用了迴歸分析來預測產量（y）。但我的預測的輸出也給出了標準化（0〜1）我想在我的正確數據數字我的預測答案，而不是在0到1 數據： Total_yield(y) Rain(x) 64799.30 720.1 77232.40 382.9 88487.70 1198.2 77338.20 341.4 145602

0熱度

1回答

VIF計算在python statsmodel

在statsmodel計算VIF的代碼如下： k_vars = exog.shape[1] x_i = exog[:, exog_idx] mask = np.arange(k_vars) != exog_idx x_noti = exog[:, mask] r_squared_i = OLS(x_i, x_noti).fit().rsquared ## NO INTERCEPT vif

0熱度

1回答

使用statsmodels在Python中增強Dickey Fuller測試

我正在對幾個（〜500）時間序列進行ADF測試以測試平穩性。所以我需要一種定量的方式來爲每一種選擇正確的滯後數。一種可能的方法是使用我的樣本的80％進行測試，並獲取其中的迴歸參數並計算ssr（平方和回歸）並搜索最小值。然而，這可能會導致過度擬合，爲了避免這種情況，可以將這種迴歸應用於剩下的20％並計算該子樣本的ssr。導致第二個ssr的最小值的滯後數量應該是正確的。問題是statsmodel

4熱度

1回答

Python負二項迴歸 - 結果不匹配R的那些

我正在使用Python試驗負二項迴歸。我發現，使用R這個例子中，使用的數據集一起： http://www.karlin.mff.cuni.cz/~pesta/NMFM404/NB.html 我嘗試使用此代碼複製網頁上的結果： import pandas as pd import statsmodels.formula.api as smf import statsmodels.api as s

3熱度

1回答

seasonal_decompose：操作數無法與系列上的形狀一起廣播

我知道這個主題有很多問題，但他們都沒有幫助我解決這個問題。我真的堅持這一點。隨着一系列簡單： 0 2016-01-31 266 2016-02-29 235 2016-03-31 347 2016-04-30 514 2016-05-31 374 2016-06-30 250 2016-07-31 441 2016-08-31 422 2016-09-30 323 2016-