很抱歉交叉发布此但无法通过它我无法从预测功能获得输出:
我有一个OLS模型,过去常常使用SM .6,现在不能使用.8而Pandas从19.2增加到20.3,这可能是问题吗?
我只是不明白我需要提供什么来预测方法。 所以我的模型创建看起来像:
def fit_line2(x, y):
X = sm.add_constant(x, prepend=True) #Add a column of ones to allow the calculation of the intercept
ols_test = sm.OLS(y, X,missing='drop').fit()
"""Return slope, intercept of best fit line."""
X = sm.add_constant(x)
return ols_test
这样工作正常,我得到一个模型,可以看到摘要很好。 我曾经这样做是为了通过使用我在SM中工作的最新值(我希望向前推进)来提前一个预测.6 预测称如下:
yrahead=ols_test.predict(ols_input)
ols输入是从pandas DF创建的:
ols_input=(sm.add_constant(merged2.lastqu[-1:], prepend=True))
lastqu
2018-12-31 13209.0
type:
<class 'pandas.core.frame.DataFrame'>
将预测称为:
yrahead=ols_test.predict(ols_input)
这给了我一个错误: ValueError:形状(1,1)和(2,)未对齐:1(暗淡1)!= 2(暗淡0)
我尝试通过将ols_input更改为:
来简单地输入数字13209.0
Type:
<class 'numpy.float64'>
这给了我一个类似的错误: ValueError:形状(1,1)和(2,)未对齐:1(暗淡1)!= 2(暗淡0)
不确定去哪里?
上面的基本DataFrame表(merged2)看起来如此,最后一行lastqu列包含我想要预测单位的值:
Units lastqu Uperchg lqperchg
2000-12-31 19391.000000 NaN NaN NaN
2001-12-31 35068.000000 5925.0 80.85 NaN
2002-12-31 39279.000000 8063.0 12.01 36.08
2003-12-31 47517.000000 9473.0 20.97 17.49
2004-12-31 51439.000000 11226.0 8.25 18.51
2005-12-31 59674.000000 11667.0 16.01 3.93
2006-12-31 58664.000000 14016.0 -1.69 20.13
2007-12-31 55698.000000 13186.0 -5.06 -5.92
2008-12-31 42235.000000 11343.0 -24.17 -13.98
2009-12-31 40478.333333 7867.0 -4.16 -30.64
2010-12-31 38721.666667 8114.0 -4.34 3.14
2011-12-31 36965.000000 8361.0 -4.54 3.04
2012-12-31 39132.000000 8608.0 5.86 2.95
2013-12-31 43160.000000 9016.0 10.29 4.74
2014-12-31 44520.000000 9785.0 3.15 8.53
2015-12-31 49966.000000 10351.0 12.23 5.78
2016-12-31 53752.000000 10884.0 7.58 5.15
2017-12-31 57571.000000 12109.0 7.10 11.26
2018-12-31 NaN 13209.0 NaN 9.08
所以我使用OLS来对抗2018年的项目单位
我坦白地承认没有真正理解为什么SM .6的工作方式如此,但确实如此!
答案 0 :(得分:0)
在与Statsmodels的图书馆作者讨论之后,似乎有一个错误在这里看到了讨论https://groups.google.com/d/topic/pystatsmodels/a0XsXIiP5ro/discussion
请注意我的具体问题的最终解决方案是:
ols_input=np.array([1,merged2.lastqu[-1:].values])
yrahead=ols_test.predict(ols_input)
产生下一期的单位..