다소 공선 데이터에서 리지 회귀를 실행 중입니다. 안정적인 적합성을 확인하는 데 사용되는 방법 중 하나는 능선 추적이며 scikit-learn의 위대한 예 덕분에 그렇게 할 수 있습니다. 또 다른 방법은 k가 증가함에 따라 각 변수에 대한 분산 인플레이션 팩터 (VIF)를 계산하는 것입니다. VIF가 < 5로 감소하면 이는 적합 함을 나타내는 것입니다. S
statsmodels을 사용하여 물류 회귀 분석을 실시하고 있으며 내 회귀 점수를 찾으려고합니다. 문서에서는 lr.score(test_data, target)이라는 회귀 계수와 y 값을 사용하여 테스트 데이터 집합을 전달할 수있는 sklearn과 달리 score 메서드에 대한 많은 정보를 실제로 제공하지 않습니다. statsmodels의 점수 함수에 매개
달 단위로 OLS를 실행하고 있습니다. 단일 제품에 대해서는 정상적으로 작동하지만 데이터 프레임에는 많은 제품이 포함되어 있습니다. groupby 객체를 만들면 OLS에서 오류가 발생합니다. linear_regression_df:
product_desc period_num TOTALS
0 product_a 1 53
3 product_a
내가 statsmodels를 설치하려고했다 실패했습니다 Traceback (most recent call last):
File "<string>", line 16, in <module>
File "/tmp/pip-build-root/statsmodels/setup.py", line 463, in <module>
check_d
이 질문에 따라 How to get constant term in AR Model with statsmodels and Python?. 지금은 ARMA 모델을 사용하여 데이터에 맞게 만들려고했지만 다시 모델의 결과를 해석 할 방법을 찾지 못했습니다. 여기에 내가 수행 한 것은 ARMA out-of-sample prediction with statsmodel
회귀 분석을 위해 Python을 사용해 왔습니다. 회귀 결과를 얻은 후 모든 결과를 하나의 테이블로 요약하고 LaTex로 변환해야합니다 (게시 용). 파이썬에서이 작업을 수행하는 패키지가 있습니까? 다음 표 제공 STATA에서 estout 식으로 뭔가 : statsmodels에
나는 단계적 모델 선택을 수행하여 분산 인플레이션 팩터가있는 변수를 점차적으로 특정 임계 값 이상으로 떨어 뜨립니다. 이렇게하려면 몇 백 메가 바이트에서 10 기가에 이르는 데이터 세트에서 OLS를 여러 번 실행하고 있습니다. 더 큰 데이터 세트의 경우 OLS의 가장 빠른 구현은 무엇입니까? Statsmodel OLS 구현은 행렬을 반전시키기 위해 nump
이 정규 방정식은 우도 비 테스트 일반화 된 선형 모델 (GLM)을위한 진정한 아니다 OLSResults.compare_lr_test(restricted)
을 구현 statsmodels. from scipy import stats
llf_full = results.llf
llf_restr = results_res.llf
df_full = resu