Question

我正在尝试使用普通最小二乘进行多元回归。但是它说statsmodels没有属性'OLS'。式。 api库。我正在遵循有关Udemy的演讲中的代码代码如下：

import statsmodels.formula.api as sm
X_opt = X[:,[0,1,2,3,4,5]]
#OrdinaryLeastSquares
regressor_OLS = sm.OLS(endog = y, exog = X_opt).fit(

错误如下：

AttributeError                            Traceback (most recent call last)
<ipython-input-19-3bdb0bc861c6> in <module>()
      2 X_opt = X[:,[0,1,2,3,4,5]]
      3 #OrdinaryLeatSquares
----> 4 regressor_OLS = sm.OLS(endog = y, exog = X_opt).fit()

AttributeError: module 'statsmodels.formula.api' has no attribute 'OLS'

Answer 1

我尝试了上述方法，而

import statsmodels.api as sm

导入对我有效。当我运行下一段代码时

X_opt = X[:, [0, 1, 2, 3, 4, 5]]
regressor_OLS = sm.OLS(endog=y, exog=X_opt).fit()

它给了我这个错误。

TypeError：输入类型不支持ufunc'isfinite'，并且根据以下说明，无法将输入安全地强制转换为任何受支持的类型强制转换为“安全”

如果遇到上述错误，可以通过为dtype指定np.array来解决。

替换

X_opt = X[:, [0, 1, 2, 3, 4, 5]]

与

X_opt = np.array(X[:, [0, 1, 2, 3, 4, 5]], dtype=float)

Answer 2

使用此导入。

import statsmodels.api as sm

Answer 3

我正在使用 statsmodels 0.11.1 ，这对我有用。

import statsmodels.api as sm
X_opt = np.array(X[:, [0, 1, 2, 3, 4, 5]], dtype=float)
regressor_OLS = sm.OLS(endog = y, exog = X_opt).fit()

Answer 4

出于完整性考虑，如果statsmodels，则代码应如下所示。版本为0.10.0：

import statsmodels.api as sm
X_opt = X[:,[0,1,2,3,4,5]]
#OrdinaryLeastSquares
regressor_OLS = sm.OLS(endog=y, exog=X_opt).fit()

Answer 5

试试这个，对我有用：

import statsmodels.regression.linear_model as sm

Answer 6

除了statsmodels库的导入方式外，其他所有内容看起来都很不错。如下：

import statsmodels.api as sm

而不是

import statsmodels.formula.api as sm

Answer 7

这是我今天尝试的有效解决方案。
在导入中使用它

import statsmodels.api as sm

下面将介绍其余的修复程序

X_opt = X[:, [0, 1, 2, 3, 4, 5]]
X_opt = X_opt.astype(np.float64)
regressor_OLS = sm.OLS(Y, X_opt).fit()

这应该起作用，因为它确实对我有用。

Answer 8

将代码python从3.6升级到3.8.5时引发此错误如@ kv89所述，快速解决方案是将代码更改为

import statsmodels.formula.api as sm

到

import statsmodels.api as sm

AttributeError：模块“ statsmodels.formula.api”没有属性“ OLS”

8 个答案: