我正在Windows10上使用statsmodels.formula.api(ver0.9.0)进行多元线性回归。拟合模型并使用以下行获取摘要后，我得到摘要对象格式的摘要.X_opt=X[:,[0,1,2,3]]regressor_OLS=sm.OLS(endog=y,exog=X_opt).fit()regressor_OLS.summary()OLSRegressionResults==============================================================================Dep.Variable:yR-squared
我有python3.7.1和scipy版本:1.3.0。调用auto_arima时出现错误:“无法从‘scipy.misc’导入名称‘factorial’”只是这个基本的导入导致了这个问题:-“从pmdarima.arima导入auto_arima”我试过重新安装scipy，没有用 最佳答案 函数factorial已从scipy.misc移至scipy.special。scipy.misc中的版本已经弃用了一段时间，并在scipy1.3.0中被删除。pmdarima或其依赖项之一仍在使用名称scipy.misc.factorial。
假设我有几个直方图，每个直方图在不同bin位置(在实轴上)都有计数。例如defgenerate_random_histogram():#Randombinlocationsbetween0and100bin_locations=np.random.rand(10,)*100bin_locations.sort()#Randomcountsbetween0and50onthoselocationsbin_counts=np.random.randint(50,size=len(bin_locations))return{'loc':bin_locations,'count':bin_co
我希望使用Python对月度数据进行季节性调整。从这些系列中可以看出:www.emconfidential.com,数据中有很高的季节性成分。我想对此进行调整，以便我可以更好地判断系列趋势是上升还是下降。有人知道如何使用scipy或其他Python库轻松地做到这一点吗？ 最佳答案 Statsmodels可以做到这一点。它们具有基本的季节性分解以及人口普查X13调整的包装。您还可以使用rpy2访问R的一些出色的SA库。这是statsmodels季节性分解:importpandasaspdimportstatsmodels.apiass
我正在尝试使用python库计算回归输出，但在使用该库时无法获得截距值:importstatsmodels.apiassm它打印除了截距之外的所有回归分析。但是当我使用时:frompandas.stats.apiimportols我的Pandas代码:Regression=ols(y=Sorted_Data3['net_realization_rate'],x=Sorted_Data3[['Cohort_2','Cohort_3']])printRegression我得到了一个警告，警告说这个库将来会被弃用，所以我正在尝试使用Statsmodels。我在使用pandas.stats.a
我正在尝试使用Python的statsmodels库学习普通的最小二乘模型，如所述here.sm.OLS.fit()返回学习模型。有没有办法将其保存到文件并重新加载？我的训练数据很大，学习模型大约需要半分钟。所以我想知道OLS模型中是否存在任何保存/加载功能。我在模型对象上尝试了repr()方法，但它没有返回任何有用的信息。 最佳答案 models和results实例都有save和load方法，不需要直接使用pickle模块。编辑以添加示例:importstatsmodels.apiassmdata=sm.datasets.long
我想使用LatentClassAnalysis对数据集建模(LCA)使用Python。我找到了FactorAnalysissklearn中的类，但我不确定此类是否等同于LCA。Python中是否存在LCA的包或类？ 最佳答案 目前，python中没有提供LCA支持的包。但是，有许多包使用不同的算法在R中执行LCA，例如(有关更多详细信息，请参阅CRAN目录):BayesLCA贝叶斯潜在类分析LCAextendLatentClassAnalysis(LCA)在扩展谱系中具有家族依赖性poLCAPolytomous变量潜在类分析rand
我在MacOSXLion上使用pandas0.11.0(数据处理)和statsmodels0.4.3进行逻辑回归以进行实际回归。我将运行约2,900个不同的逻辑回归模型，需要将结果输出到csv文件并以特定方式格式化。目前，我只知道执行printresult.summary()将结果(如下)打印到shell:LogitRegressionResults==============================================================================Dep.Variable:death_deathNo.Observations:97
我想计算3个数组X1、X2和Y的自协方差，它们都是平稳的随机过程。sciPy或其他库中有没有函数可以解决这个问题？ 最佳答案 Statsmodels具有自协方差函数和交叉协方差函数http://statsmodels.sourceforge.net/devel/generated/statsmodels.tsa.stattools.acovf.htmlhttp://statsmodels.sourceforge.net/devel/generated/statsmodels.tsa.stattools.ccovf.html加上相关函
我将这个问题发布到CrossValidated论坛，后来意识到这可能会在stackoverlfow中找到合适的受众。我正在寻找一种方法，可以使用从pythonstatsmodel获得的fit对象(结果)输入到scikit-learncross_validation方法的cross_val_score中？所附链接表明这可能是可能的，但我没有成功。我收到以下错误estimatorshouldabeanestimatorimplementing'fit'methodstatsmodels.discrete.discrete_model.BinaryResultsWrapperobjectat
