使用 statsmodels 线性回归预测特定向量 x 的结果

Question

我已经成功地使用 OLS 为大量数据建立了一个模型。

results = smf.ols(formula='ind ~ Age + C(County) + C(Class)',  data=df).fit()

我想实现一种方法，允许用户输入向量 X 并使其 return 成为基于回归的 y。我研究了 statsmodels 的 "predict" 和 "forecast" 特性，但它似乎不是我要找的。

例如，我想做的是：

 ## Although the following is wrong, It shows what I'm trying to do:
 def forecast_y(X):
      return results.forecast(X) 


 ## example:
 print forecast_y([1, 3, 4]) 
 # the model should return
 4.53

Answer 1

如果我没看错，您不需要 y 的样本内预测，这就是您不想使用 predict 方法的原因；相反，您只想插入任意 x 值并根据预测系数获得 y 的值 ?

如果是这样，继续你的例子：

params = results.params   #vector of your coefficients
arbitrary_x = np.array([.5, .5, .5...]) #whatever x values you want to test, with the constant first

assert(len(params) == len(arbitrary_x))

arbitrary_y = (params * arbitrary_x).sum()

我会把理解这个的含义留给 reader，但请小心使用。

使用 statsmodels 线性回归预测特定向量 x 的结果

forecast results for a specific vector x using statsmodels linear regressions

python

pandas

scikit-learn

statsmodels