循环回归模型返回单个结果，而不是多个输出

Question

我是运行一些自举重采样数据的岭回归模型，为了这个问题，假设有两个自举样本在数据框列表中。但是，当我遍历数据帧列表时，我只得到一个输出，而不是对应的两个输出到列表中的每个数据框。不确定我的代码中还缺少什么。

下面是示例数据集

import pandas as pd
import numpy as np

# the resampled datasets
d1 = {'v1': [2.5, 4.5, 3.3, 4.0, 3.8, 2.5, 4.5, 3.3, 4.0, 3.8, 2.5, 4.5, 3.3, 4.0, 3.8, 2.5, 4.5, 3.3, 4.0, 3.8],
      'v2': [3.5, 3.8, 2.5, 4.0, 4.0, 3.5, 3.8, 2.5, 4.0, 4.0, 3.5, 3.8, 2.5, 4.0, 4.0, 3.8, 3.89, 2.75, 4.5, 4.25],
      'v3': [4.5, 3.8, 3.5, 4.2, 4.3, 1.5, 2.98, 3.5, 3.5, 4.5, 3.8, 3.89, 2.75, 4.5, 4.25, 3.55, 3.85, 2.98, 4.05, 4.50]}
df1 = pd.DataFrame(d1)


d2 = {'v1': [2.6, 4.0, 3.3, 4.0, 3.0, 2.5, 4.5, 3.3, 4.0, 3.8, 4.5, 3.8, 3.5, 4.2, 4.3, 4.25, 3.55, 3.85, 2.98, 4.05],
      'v2': [3.8, 3.89, 2.75, 4.5, 4.25, 3.55, 3.85, 2.98, 4.05, 4.50, 3.5, 2.98, 3.5, 3.25, 4.25, 4.0, 4.0, 3.5, 3.8, 2.5],
      'v3': [4.0, 3.85, 3.75, 4.0, 4.73, 3.5, 2.98, 3.5, 3.25, 4.25, 3.3, 4.0, 3.8, 2.5, 4.5, 3.3, 4.0, 3.8, 2.5, 4.5]} 
df2 = pd.DataFrame(d2)

dflst = [df1, df2]

以及我在上面运行的代码。

from sklearn.linear_model import Ridge

# function to run ridge regression
def ridgereg(data, ynum=1): 

    y = np.asarray(data.iloc[:, 0:ynum])
    X = np.asarray(data.iloc[:, ynum:])
        
    model = Ridge(alpha=1.0).fit(X,y)
    return model.coef_

# iterate over list of dfs
for x in range(1, len(dflst)):
    resampled_model = {}
    resampled_model[x] = ridgereg(dflst[x], ynum=1)

print(resampled_model)

Answer 1

在 for 循环中，您将在每次迭代时创建一个新的字典，并丢弃之前创建的字典。

尝试（使用 enumerate）：

resampled_model = {} # note that it is outside the loop
for i, df in enumerate(dflst, start=1):
    resampled_model[i] = ridgereg(df, ynum=1)

print(resampled_model)
# {1: array([[0.35603345, 0.1373456 ]]), 2: array([[ 0.08019198, -0.10895105]])}

代替for循环，您可以使用字典理解：

resampled_model = {i: ridgereg(df, ynum=1) for i, df in enumerate(dflst, start=1)}

循环回归模型返回单个结果，而不是多个输出

Looped Regression Model Returning Single Result, Instead of Multiple Outputs

python

iteration

regression