StatsModels:无截距线性回归的返回预测区间
StatsModels是一个Python库，用于拟合统计模型、进行统计测试和数据探索。它提供了广泛的统计模型和方法，包括线性回归、时间序列分析、广义线性模型等。
无截距线性回归是一种特殊的线性回归模型，它假设回归方程中的截距为0。在StatsModels中，可以通过指定add_constant=False来实现无截距线性回归。
返回预测区间是指在进行线性回归预测时，除了给出点估计的预测值外，还给出了一个区间，该区间包含了预测值的不确定性。这个区间通常被称为置信区间。在StatsModels中，可以使用get_prediction方法来获取预测区间。
无截距线性回归的应用场景包括但不限于以下情况：
- 当回归模型中的截距项没有实际意义时，可以使用无截距线性回归。
- 当数据集中的截距项接近于0时，可以使用无截距线性回归。
腾讯云提供了一系列与统计分析和机器学习相关的产品和服务，可以用于支持StatsModels库的应用。其中，腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）提供了丰富的机器学习算法和模型训练、部署的功能，可以用于拟合统计模型和进行预测。此外，腾讯云还提供了云数据库（https://cloud.tencent.com/product/cdb）和云服务器（https://cloud.tencent.com/product/cvm）等基础设施服务，用于存储和计算数据。
请注意，以上答案仅供参考，具体的产品选择和使用方法应根据实际需求和情况进行评估。
相关·内容
1回答
我应该计算不同的置信区间，我发现，在R中，我可以用“预测-”命令来完成这个任务。但我很难理解我到底要做什么。我应该计算3种不同的置信区间: 1)回归线上的一个点，2)预测的(未来)y值，3)整个回归线。好的..。我到目前为止所做的事：
fm <- lm(alcohol~beers)
因此，要获得整个回归线的置信区间，我会尝试：predict(fm,data.frame(beers = newbeers), level = 0.9, interval = "confidence")，但我并不真正知道data.frame会做什么。好的，我知道置信区间是90%的实际值(这里，因
浏览 4提问于2012-09-20得票数 4
在Python语言中使用模块'statsmodels‘运行回归模型后，您可以获得具有以下置信区间的预测: mean_ci_lower mean_ci_upper obs_ci_lower obs_ci_upper 我知道mean_ci是什么意思，但我不知道obs代表什么。
浏览 74提问于2020-04-01得票数 2
我对时间序列建模和状态模型非常陌生，并试图理解状态模型中的AR模型。假设我的数据记录y为1000个样本，并在y上拟合AR (1)模型。然后，我以y_pred的形式从这个模型中生成样本预测.我这样做是因为
from statsmodels.tsa.ar_model import AutoReg
model = AutoReg(y,1).fit()
y_pred = model.predict()
我使用model.params获得模型的参数。
我想知道，在估计模型参数之后，状态模型是如何计算样本内预测的？为了前夫。y_pred[10]是如何计算的？
如果这个问题太基本，我很抱歉，谢谢你的帮助。
浏览 4提问于2021-04-23得票数 1
回答已采纳
2回答
我正在用Math.NET进行简单的线性回归。
我在下面提供了一个通用代码示例。除了这个例子，还可以使用Fit类进行简单的线性回归。
另外，我想要的是指定额外的约束，比如固定的y-截距，或者强制fit通过一个不动点，例如(2，2)。如何在Math.NET中实现这一点？
var xdata = new double[] { 10, 20, 30 };
var ydata = new double[] { 15, 20, 25 };
var X = DenseMatrix.CreateFromColumns(new[] {new DenseVector(xdata.Length, 1), new
浏览 3提问于2014-06-16得票数 5
我在python中使用statsmodels包编写了以下代码，以创建OLS回归模型。我尝试了不同数据集的代码，得到了除第一个(截距)系数外，所有系数值都接近于零的模型。密码可能有什么问题？
data1 = pandas.concat([Y, X], axis = 1)
dta = lagmat2ds(data1, mxlg, trim='both', dropex=1)
dtaown = sm.add_constant(dta[:, 0:(mxlg + 1)], prepend = False)
dtajoint = sm.add_constant(dta[:, 0:], pr
浏览 0提问于2019-01-04得票数 1
回答已采纳
1回答
关于Logistic回归成本函数：
📷
和假设：
📷
有没有办法告诉+/-错误是多么“自信”的假设？
例如，如果误差的+/-为0.1，我就知道，如果我的假设预测为0.4，它可能大0.1 (0.5)或0.1减(0.3)
这是用于二进制分类的
浏览 0提问于2015-04-03得票数 1
1回答
我有一个已经计算的系数数组，我想在Spark 2.0.1中创建一个线性回归模型，以便我可以使用它进行预测。
使用系数数组创建LinearRegressionModel类最简单的方法是什么？
浏览 1提问于2018-02-27得票数 0
1回答
出于练习的目的，我正在尝试编写自己的逻辑回归器(使用批量/小批量梯度下降)。 我生成了一个随机数据集(见下文)，输入为正态分布，输出为二进制(0,1)。我手动使用系数作为输入，并希望能够重现它们(参见下面的代码片段)。然而，令我惊讶的是，我自己的代码和sklearn LogisticRegression都不能重现实际的数字(尽管符号和数量级是一致的)。更重要的是，我的算法产生的系数与sklearn产生的系数不同。我误解了逻辑回归的系数是什么吗？ 我将感谢任何对这种差异的洞察。 谢谢! 编辑:我尝试使用statsmodels Logit，得到了第三组略有不同的系数值 一些可能相关的更多信息:我
浏览 27提问于2019-01-12得票数 0
回答已采纳
我正在编写一个程序来调查一些类星体的星等和红移之间的相关性，我正在使用statsmodels和scipy.stats.linregress来计算数据的统计量；使用statsmodels来计算r-squared (以及其他参数)，使用stats.linregress来计算r (以及其他参数)。
下面是一些示例输出：
W1 r-squared: 0.855715
W1 r-value : 0.414026
W2 r-squared: 0.861169
W2 r-value : 0.517381
W3 r-squared: 0.874051
W3 r-value : 0.418523
W4 r
浏览 0提问于2018-08-08得票数 1
回答已采纳
我用sci学习开始机器学习，并在机器学习中遇到了各种各样的模型。
在每个模型中，都有一个fit()函数。
虽然我读了很多博客文章，并且了解到fit()帮助我们找到模型的参数。
例如，在线性回归模型中，fit()函数有助于找到斜率和截距。
但是我仍然不能理解fit()函数背后的逻辑。
浏览 1提问于2018-02-28得票数 0
1回答
我有一个数据集，我使用Sklearn决策树回归机器学习包为预测目的建立一个模型。随后，我试图利用scipy.optimize包来解决基于给定约束的最小解。但是，我不确定是否可以将决策树模型作为优化问题的目标函数。在这种情况下，应该采取什么办法呢？我曾经尝试过线性回归模型，比如LarsCV，它们工作得很好。但是在线性回归模型中，基本上可以从模型中提取系数和截获点。
浏览 1提问于2019-02-22得票数 7
3回答
当谈到测量拟合优度时，R平方似乎是“简单”线性模型的一种普遍理解(和接受)的度量。但在statsmodels (以及其他统计软件)的情况下，不会将R平方与回归结果一起包括在内。有没有办法“手动”计算它，也许用一种类似于在中计算的方法
或者是否有其他度量可以使用/根据sm.RLS生成的结果进行计算
这是Statsmodels产生的结果：
import numpy as np
import statsmodels.api as sm
# Sample Data with outliers
nsample = 50
x = np.linspace(0, 20, nsample)
x = sm.ad
浏览 2提问于2015-07-27得票数 15
3回答
我正在使用statsmodels运行一个logistic回归，并试图找到我的回归的分数。与sklearn不同，文档实际上并没有提供太多关于sklearn方法的信息，sklearn允许用户通过具有y值和回归系数(即lr.score(test_data, target) )的测试数据集。我应该如何将参数传递给statsmodels的分数函数?文档：
浏览 5提问于2014-06-05得票数 1
回答已采纳
似乎这三个函数都可以做简单的线性回归。
scipy.stats.linregress(x, y)
numpy.polynomial.polynomial.polyfit(x, y, 1)
x = statsmodels.api.add_constant(x)
statsmodels.api.OLS(y, x)
我想知道这三种方法之间是否有真正的区别？我知道statsmodels是建立在scipy之上的，而scipy在很多事情上都有点依赖于numpy，所以我希望它们不会有太大的不同，但细节总是有问题的。
更具体地说，如果我们使用上面的numpy方法，我们如何获得由其他两种方法默认给出的斜率的
浏览 0提问于2015-06-30得票数 14
回答已采纳
1回答
线性回归系数与地块不匹配
、、、
我的代码有点问题，我看不见。
我试图用一些数据进行线性回归。到目前为止，我使用的是np.polyfit()和sklearn LinearRegression()。这两种回归都有效，但当我进行绘图时，我可以看到拦截系数与图所显示的不匹配，老实说，我不知道为什么。
下面是我的代码：
# Using np.polyfit()
x_to_plot = np.array([3.1685206 , 2.25510996, 2.96102541, 2.88536998, 3.19026643,
3.35665069, 3.62661427, 3.19285197,
浏览 3提问于2022-07-04得票数 1
回答已采纳
我在Python中使用statsmodels.formulas.api.quantreg()进行分位数回归。我发现，在拟合分位数回归模型时，可以选择指定回归系数的置信区间的显着性水平，而置信区间结果出现在拟合的摘要中。
用什么统计方法来生成回归系数的置信区间？它似乎没有文档化，而且我已经仔细研究了quantile_regression.py和summary.py的源代码，以便在没有运气的情况下找到它。有人能解释一下这件事吗？
浏览 6提问于2015-01-28得票数 2
回答已采纳
1回答
用于线性回归的神经网络
、、、、
我找到了一个非常棒的源代码，它完全符合我所需要的模型：
重要的部分是这样的。
你有一个x->y图，每个x值都是“特征”的总和，或者我将如何表示它们，z。
因此x->y图的回归线应该是函数，其中h(x)是回归线( h(SUM(z(subscript-i)) )
在这种神经网络中，其思想是以最小化最小平方误差的方式为每个z-value分配一个权重。
梯度函数用于更新权重以最小化误差。我相信我可能返回到错误的传播--我更新了权重。
所以我写了一些代码，但是我的权重没有被正确更新。
我可能只是误解了斯坦福帖子中的一个规范，所以这就是我需要你帮助的地方。有没有人可以验证我是否正确地实现了这个
浏览 1提问于2016-02-03得票数 0
1回答
这更像是一个统计问题，因为代码运行良好，但我正在学习python中的回归建模。下面有一些关于statsmodel的代码来创建一个简单的线性回归模型：
import statsmodels.api as sm
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
ng = pd.read_csv('C:/Users/ben/ngDataBaseline.csv', thousands=',', index_col='Date', parse_dates=Tr
浏览 0提问于2018-09-28得票数 3
回答已采纳
当在SPSS中进行逻辑回归时，有没有一种方法可以删除自变量中的参考类别，以便所有这些变量都可以平等地相互比较，而不是与参考类别进行比较？
浏览 5提问于2020-03-13得票数 0
我不是R专家，我得和R一起做些事情...但即使是在简单的任务中我也做得很好。如果这是一个基本的问题，我很抱歉，但我在stackoverflow中没有看到任何像我这样的问题。
我在R中使用ggplot2和predict()时遇到了麻烦。
如果有人能帮助我，我将不胜感激
setwd("/home/kaihami/Desktop/Python/RR_Bioinfo/")
library("ggplot2")
data_total <- data.frame(bac, Phylum, Domain, CDS, Total)
#model (Tota
浏览 1提问于2015-05-21得票数 2
我在SPSS中运行线性多元回归和逻辑多元回归。
在那之后，当我查看结果时，我意识到在每个回归中，SPSS自动排除了一个自变量。我们在这里做错了什么吗，或者我们必须做些什么才能让所有的自变量都包含在回归中？
谢谢你的帮忙!
浏览 261提问于2019-07-22得票数 0
1回答
我不太清楚如何在R中分析非线性回归，我发现通过使用函数的日志，我仍然可以用lm进行线性回归。
我的第一个函数是这个函数，其中β1是截距，β2是斜率，ε是错误项：
我认为下面的命令给了我我想要的东西：
result <- lm(log(Y) ~ log(X1), data=dataset)
问题在于以下功能：
我不知道我应该在lm里面放些什么来对我的函数进行线性回归.知道吗？
浏览 5提问于2021-12-05得票数 0
回答已采纳
我在R中做一个非常简单的线性回归，但是计算出来的R^2看起来并不正确。我所做的回归如下：
data(cats)
fit = lm(Hwts ~ Bwts+0, data = cats)
summary(fit)
我从这个回归中得到的结果如下：
Call:
lm(formula = cats$Hwt ~ cats$Bwt + 0)
Residuals:
Min 1Q Median 3Q Max
-3.4563 -0.9980 -0.1003 1.0044 5.2623
Coefficients:
Estimate Std. Er
浏览 0提问于2015-07-20得票数 0
我用linear regression和StatsModels做这个
import numpy as np
import statsmodels.api as sm
from statsmodels.sandbox.regression.predstd import wls_prediction_std
n = 100
x = np.linspace(0, 10, n)
e = np.random.normal(size=n)
y = 1 + 0.5*x + 2*e
X = sm.add_constant(x)
re = sm.OLS(y, X).fit()
print(re.summa
浏览 25提问于2013-07-09得票数 56
回答已采纳
2回答
嘿，我怎么才能导出一个结果表，用来制作我为下面的线性回归模型生成的图表。
d <- data.frame(x=c(200110,86933,104429,240752,255332,75998,
204302,97321,342812,220522,110990,259706,65733),
y=c(200000,110000,165363,225362,313284,113972,
137449,113106,409020,261733,171300,344437,89000
浏览 1提问于2012-12-28得票数 0
我使用了下面的代码： import statsmodels.api as sm
X=sm.add_constant(X_train)
model=sm.OLS(y_train,X).fit()
model.summary() 但是我需要替换sklearn库中的summary()来检查数据帧的逻辑模型的摘要
浏览 23提问于2019-03-04得票数 1
2回答
我一直在研究一个预测模型。对于每个预测，我们需要提供一个分数来表示对我们的预测的信心。所以我看预测区间(PI)。在线性回归中，我相信这些都是可以得到的，并且有很好的记录.然而，对于非线性回归(如svr、gbr或其他的回归黑箱方法)，我还没有找到很多参考。下面给出了我看到的两种方法：
1)利用套袋法，对每个新的数据点进行多点预测，然后根据预测值在每个新点的分布，得到预测的区间。
2)用分位数回归法得到新点的上、下界。
就我个人而言，我确实喜欢套袋的方法，虽然我不觉得很信服。因此，我正在与社区接触，以获得一个普遍的意见或一些其他的想法，我至今还没有看到。
浏览 0提问于2019-05-02得票数 1
回答已采纳
我是线性回归的新手，所以我希望你能帮助我解释带有两个范畴预测变量和一个相互作用项的多元线性回归的输出。
我做了以下线性回归：
lm(H1A1c ~ Vowel * Speaker, data=data)
元音和说话人都是绝对变量。元音可以是“呼吸”，“模态”或“吱吱”，有四个不同的说话人(F01, F02, M01, M02)。我想看看这两个类别的组合是否可以预测H1A1c的值。
我的输出是：
如果我错了，请纠正我，但我认为我们可以从这个输出中看出，我的大部分变量之间的关系不能被描述为线性。我不太明白的是如何解释第一个p值。当我在googled上搜索时，我发现所有其他的p-values都引用了
浏览 3提问于2017-11-02得票数 0
2回答
我尝试在R中使用MFP函数，就像我在Stata中使用等效命令一样。通常，当在Stata中运行线性回归时，我在命令regress之前使用命令mfp，并且Stata给出回归模型中协变量的“最佳”转换。例如，在Stata中，我使用以下命令
mfp: regress variable1 variable2
在R中的库(mfp)中似乎有一个函数mfp，我想使用它。
例如在R中：
summary(mfp(variable1 ~ fp(variable2)))
这给了我回归的结果，但R以某种方式将其强制到GLM模型中。这样做的缺点是，与线性模型(LM)相比，我得不到总体的R平方。
有没有人知道如何在R中使用
浏览 0提问于2015-02-20得票数 1
1回答
对于每一年，给定的数据集包含商品销售的平均价格，例如：
╔══════╦═══════════════╗
║ Year ║ Cost of flerg ║
╠══════╬═══════════════╣
║ 2007 ║ 13 ║
║ 2008 ║ 7 ║
║ 2009 ║ 8 ║
║ 2010 ║ 9 ║
║ 2011 ║ 12 ║
║ 2012 ║ 13 ║
║ 2013 ║ 9 ║
║ 2014 ║ 11
浏览 0提问于2015-11-20得票数 2
1回答
I是拟合一个线性回归模型的平均预订的航班座位(百分比)。但是，当我用“预测”来表示“法鲁特日期”时:它将以> 100%的速度出现，这是不可能的。如何避免这种情况？
import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression
df = pd.read_csv('Flightseats.csv')
df['Date'] = pd.to_datetime(df['Date'], format = '%d-%m-%Y&#
浏览 3提问于2022-08-28得票数 -1
我正在使用以下数据格式，称为test
y intercept x
0 -1.6168468132687293 1 NA
1 1.5500031232431757 1 NA
2 1.5952617833602785 1 1.5500031232431757
3 1.1390724309357498 1 1.5952617833602785
4 0.9950311340335872 1 1.1390724309357498
浏览 12提问于2022-09-14得票数 0
我在最后一年的项目中使用statsmodels库分析了几种不同的时间序列预测方法，例如ARIMA和SARIMA。查看过去的文献，我发现回归算法也可以与滑动窗口等方法结合使用。然而，我不能澄清的是，时间序列预测属于哪种算法。我确信它不是无监督的，因此这是否意味着时间序列预测算法是有监督的算法？或者它是一种不同类型的机器学习？
浏览 255提问于2019-04-25得票数 1
2回答
在R中，predict.lm基于线性回归的结果计算预测，并提供计算这些预测的置信区间。根据手册，这些间隔是基于拟合的误差方差，而不是基于系数的误差间隔。
另一方面，基于逻辑回归和泊松回归(以及其他一些)计算预测的predict.glm没有置信区间的选项。我甚至很难想象如何计算这样的置信区间，以便为泊松和逻辑回归提供有意义的见解。
在某些情况下，为此类预测提供置信区间是有意义的吗？如何解释它们呢？这些情况下的假设是什么？
浏览 3提问于2013-01-20得票数 70
回答已采纳
即使所有数据点都是正的，我也得到了线性回归图的负置信度区间。为什么会发生这种情况？我相信这个负的置信区间也会影响我的R^2分数？ 使用的代码为： sns.regplot(x = 'Consumer Confidence Index_1', y = 'Sales (ALV
sources)', data = df_mx2)
plt.show() See graph pic here
浏览 148提问于2020-08-27得票数 0
我发现这是一个真正的伤脑筋。我有一个python 2笔记本，我用它在笔记本电脑和台式机上做线性回归。在膝上型计算机上，sklearn给出的结果与状态模型相同。然而，在桌面上，statsmodels给出了正确的结果，但是sklearn给出了错误的结果。一些系数估计值比它们应该的要大8个数量级，例如，304952680对-0.1271。再次，我保存笔记本，把它放在我的笔记本电脑上，再运行它，statsmodels和sklearn线性回归结果是相等的。在桌面上重新连接并重新运行笔记本，statsmodels也是正确的，但是sklearn LinearRegression再次崩溃。我很困惑。有人有什么
浏览 3提问于2016-02-22得票数 2
回答已采纳
我一直在努力证明，为什么我要从scikit-learn获得intercept_=0.0和。拟合的Logistic回归参数如下：
LogisticRegression(C=0.0588579519026603, class_weight='balanced',
dual=False, fit_intercept=True, intercept_scaling=6.2196752179914165,
max_iter=100, multi_class='ovr', n_jobs=1, pe
浏览 1提问于2017-07-11得票数 2
回答已采纳
1回答
请帮帮忙。我已经成功地将一个相当不错的非线性回归曲线拟合到我的数据中，使用：
model2 <- nls(urine~a*(1-exp(-c*water)), data = eagle, start = list(a=550, c=0.00385))
然后我使用以下命令生成我的图：
av <- seq(0,1200, 0.5)
bv <- predict (model2, data=eagle, list(water=av))
plot (urine~water, data = eagle)
lines (av,bv)
我想画一些虚线表示上下限95%的置信区间。我已经设法为我
浏览 0提问于2015-03-05得票数 1
2回答
在分类任务中，我们可以将输出向量解释为模型对输入有一定的标签的“信心”程度。例如,
y = [0.01 0.20 0.99 0.10]
这意味着模型是99%确定输入有带有索引2的标签，1%确定它有带有索引0的标签。
我的问题是:对于回归任务，是否有等效的？
如果我的输出看起来像
y = 0.33
有没有一种方法来衡量这个模型是如何“确定”的，即产出真的是0.33？
浏览 0提问于2020-07-15得票数 2
回答已采纳
我正在运行以下代码：
X = dataset[['X1 transaction date', 'X2 house age', 'X3 distance to the nearest MRT station', 'X4 number of convenience stores', 'X5 latitude', 'X6 longitude', 'X7 distance to Xindian Ditsrict Office', 'X8 distance to Cardinal Ti
浏览 0提问于2019-12-13得票数 1
学习R...不管怎么说：
在只有x和y的简单回归中，我输入：
predict(data1.lm, interval="prediction")
和
predict(data1.lm, interval="confidence")
我搞不懂它们的区别是什么。
浏览 0提问于2012-02-23得票数 8
回答已采纳
1回答
我有两个(线性)图，我对它们进行了线性回归，只需说：figure(3);plotregression(a,b);
它工作得很好，但我想找出回归线的斜率。我知道我的图中y轴上提到的斜率(或m值)，但它不是很精确。而不是0.98，而是1。
有没有我可以写的代码来获得回归的m/斜率的更精确的值？一切都已经计划好了。
浏览 1提问于2015-02-05得票数 0
1回答
假设我想预测一个时间序列，并有台架标记的经典ARIMA模型，移动平均模型和指数平滑模型对回归模型，发现回归模型在这个特殊情况下是更优的。
此外，我使用独立的输入构造了许多独立的回归模型，并发现了模型--每个典型的预制件的平均比任何其他方法都要好。
我现在感兴趣的是计算每个模型平均预测的预测间隔。每个回归模型都给出了一个单独的预测区间，但是我想将它们结合起来生成一个单独的预测区间。
我的问题是，典型的做法是什么？我看到，我们可以只取每个区间的最高点和最低点，但这似乎过于谨慎，在单个坏模型的情况下，它们会被扭曲到远远大于需要的程度。最近是否有任何方法来解决这个问题，或者对于一系列回归模型的具体情况
浏览 0提问于2018-06-20得票数 0
回答已采纳
1回答
时间序列的ARMA预测摘要(print arma_mod.summary())显示了一些关于置信区间的数字。是否可以在显示预测值的曲线图中使用这些数字作为预测间隔？
ax = indexed_df.ix[:].plot(figsize=(12,8))
ax = predict_price.plot(ax=ax, style='rx', label='Dynamic Prediction');
ax.legend();
我猜代码是：
from statsmodels.sandbox.regression.predstd import wls_prediction
浏览 0提问于2015-01-06得票数 6
1回答
我正试图将R代码转换为Python，但在复制R{stats}函数时遇到了麻烦，该函数包含“权重”，允许在拟合过程中使用权重。
我的最终目标是使用状态模型库在Python中简单地运行一个加权线性回归。
通过搜索Statsmodels问题，我找到了和，这使我认为这在Statsmodels中是不可能的。
是否有可能在Statsmodels中向GLM模型添加权重，或者是否有更好的方法在python中运行加权线性回归？
浏览 6提问于2016-11-30得票数 1
回答已采纳
我试图用SARIMA模型得到一个时间序列的“模糊”预测
我的培训集是prices_train，模型构建如下：
model_order = (0, 1, 1)
model_seasonal_order = (2, 1, 1, 24)
model = sm.tsa.statespace.SARIMAX(
prices_train, order=model_order,
seasonal_order=model_seasonal_order)
model_fit = model.fit(disp=0)
我知道我可以用这条指令得到一个点预测：
pred = model_fi
浏览 2提问于2020-08-17得票数 1
回答已采纳
1回答
当使用visreg包可视化带有对比图的GAM时，当图形为U型时，置信区间在拐点处变为零：
# Load libraries
library(mgcv)
library(visreg)
# Synthetic data
df <- data.frame(a = -10:10, b = jitter((-10:10)^2, amount = 10))
# Fit GAM
res <- gam(b ~ s(a), data = df)
# Make contrast figure
visreg(res, type = "contrast")
这看起来很不可
浏览 0提问于2017-09-19得票数 2
回答已采纳
我希望了解为什么我要得到两个不同的结果线性回归模型预测。我使用相同的数据集，并要求相同的值进行预测。下面我粘贴了一些示例代码，并提供了一个链接到一个开放的Google，。
import pandas as pd
from sklearn import linear_model, metrics
import statsmodels.api as sm
temp = [73,65,81,90,75,77,82,93,86,79]
gallons = [110,95,135,160,97,105,120,175,140,121]
merged = list(zip(temp, gallons))
浏览 4提问于2020-10-22得票数 4
回答已采纳
如何生成“较低”和“较高”预测，而不仅仅是"yhat"？ import statsmodels
from statsmodels.tsa.arima.model import ARIMA
assert statsmodels.__version__ == '0.12.0'
arima = ARIMA(df['value'], order=order)
model = arima.fit() 现在我可以生成"yhat“预测了。 yhat = model.forecast(123) 并获得模型参数的置信区间(但不是预测)： model.
浏览 1329提问于2020-10-09得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
