获取LinAlgError：奇异矩阵错误

Question

我正在使用以下函数来计算p值，以建立拟合逻辑回归模型。 但是我得到了LinAlgError：奇异矩阵错误。

from sklearn import linear_model
import scipy.stats as stat

class LogisticRegression_with_p_values:
    def __init__(self, *args, **kwargs):
      self.model = linear_model.LogisticRegression(*args, **kwargs)
    def fit(self, X, y):
      self.model.fit(X, y)
      denom = (2.0 * (1.0 + np.cosh(self.model.decision_function(X))))
      denom = np.tile(denom, (X.shape[1],1)).T
      F_ij = np.dot((X/denom).T,X)
      Cramer_Rao = np.linalg.inv(F_ij)
      sigma_estimates = np.sqrt(np.diagonal(Cramer_Rao))
      z_scores = self.model.coef_[0] / sigma_estimates
      p_values = [stat.norm.sf(abs(x)) * 2 for x in z_scores]
      self.coef_ = self.model.coef_
      self.intercept_ = self.model.intercept_
      self.p_values = p_values
reg = LogisticRegression_with_p_values()
reg.fit(inputs_train, loan_data_targets_train)

Answer 1

错误：reg = LogisticRegression_with_p_values（）LinAlgError：奇异矩阵P值函数抛出错误后拟合模型：LinAlgError：奇异矩阵

第1步：运行以下代码，并观察绿线中的所有缺失值。

corr = inputs_train.corr() 

kot = corr[corr>=.9] 

plt.figure(figsize=(18,10)) 

sns.heatmap(kot, cmap="Greens")

我正在Lending Club分析中，遇到此错误，因此使用了上述热图，并在绿线中找到了一个缺失值，因此为了进一步调查，我运行了以下代码，检查输出是否为“ nan” inputs_train [ 'term：36']。corr（inputs_train ['term：36']）

O / P ::南

下一步：

当我们创建变量'term_int'时，我们没有将其从字符串转换为数字。要验证此检查输出，如果type（df_inputs_prepr_train ['term_int'] [0]）给出'STR'

所以当我们写的时候：

df_inputs_prepr_train[df_inputs_prepr_train['term_int']==36]['term_int']

它将输出显示为零行，因为'term_int'仍然是str 36，而不是数字36。

所以当我们使用代码:::

 df_inputs_prepr_train['term:36']=np.where((df_inputs_prepr_train['term_int']==36),1,0)

  it basically stores only zeroes as output. 

要采取的措施::

`df_inputs_prepr_train['term_int']=pd.to_numeric(df_inputs_prepr_train['term_int'])`

交叉验证：如果再次运行热图，您将不会在绿线中看到任何缺失的值