为什么我只能从 statsmodels OLS 拟合中获得一个参数答案

【问题标题】：Why do I get only one parameter from a statsmodels OLS fit为什么我只能从 statsmodels OLS 拟合中获得一个参数
【发布时间】：2014-01-09 04:32:56
【问题描述】：

这是我正在做的事情：

$ python
Python 2.7.6 (v2.7.6:3a1db0d2747e, Nov 10 2013, 00:42:54) 
[GCC 4.2.1 (Apple Inc. build 5666) (dot 3)] on darwin
>>> import statsmodels.api as sm
>>> statsmodels.__version__
'0.5.0'
>>> import numpy 
>>> y = numpy.array([1,2,3,4,5,6,7,8,9])
>>> X = numpy.array([1,1,2,2,3,3,4,4,5])
>>> res_ols = sm.OLS(y, X).fit()
>>> res_ols.params
array([ 1.82352941])

我期待一个包含两个元素的数组？！？截距和斜率系数？

【问题讨论】：

Docs：默认不包含拦截，应由用户添加。请参阅 statsmodels.tools.add_constant。
这里add_constant()的意义是什么。当我在线性正则中生成模型时，我希望有一个截距，y = mX + C。让某人在输入向量之上添加常数的额外操作的意图是什么。
有趣的是，如果您在 statsmodels 中使用类似 R 的公式 api，默认情况下会为您提供截距。

标签： python pandas linear-regression statsmodels

【解决方案1】：

试试这个：

X = sm.add_constant(X)
sm.OLS(y,X)

如documentation：

默认情况下不包含拦截，应由用户添加

statsmodels.tools.tools.add_constant

【讨论】：

我正在查看 ols 示例 ate the wls page 所以我想这就是我忽略 add_constant() 的原因，因为该页面上没有提到它。
@behzad-nouri，如果你能看看这个，我将不胜感激：stackoverflow.com/questions/44747203/…
对此我感到很困惑。为什么默认不添加拦截？为什么要运行线性回归没有血腥常数？这对我来说毫无意义。

【解决方案2】：

为了完整起见，这是可行的：

>>> import numpy 
>>> import statsmodels.api as sm
>>> y = numpy.array([1,2,3,4,5,6,7,8,9])
>>> X = numpy.array([1,1,2,2,3,3,4,4,5])
>>> X = sm.add_constant(X)
>>> res_ols = sm.OLS(y, X).fit()
>>> res_ols.params
array([-0.35714286,  1.92857143])

它确实给了我一个不同的斜率系数，但我猜我们现在的数字确实有一个截距。

【讨论】：

【解决方案3】：

试试这个，它对我有用：

import statsmodels.formula.api as sm

from statsmodels.api import add_constant

X_train = add_constant(X_train)

X_test = add_constant(X_test)


model = sm.OLS(y_train,X_train)

results = model.fit()

y_pred=results.predict(X_test)

results.params

【讨论】：

请改用import statsmodels.api as sm。下一版本formula.api将不再有OLS（大写），只有ols（公式界面小写）

【解决方案4】：

我正在运行 0.6.1，看起来“add_constant”函数已移至 statsmodels.tools 模块中。这是我运行的有效方法：

res_ols = sm.OLS(y, statsmodels.tools.add_constant(X)).fit()

【讨论】：

【解决方案5】：

我确实添加了代码 X = sm.add_constant(X)，但 python 没有返回截距值，所以我决定使用一点代数自己在代码中完成：

此代码计算 35 个样本的回归，7 个特征加上一个截距值，我将其作为特征添加到方程中：

import statsmodels.api as sm
from sklearn import datasets ## imports datasets from scikit-learn
import numpy as np
import pandas as pd

x=np.empty((35,8)) # (numSamples, oneIntercept + numFeatures))
feature_names = np.empty((8,))
y = np.empty((35,))

dbfv = open("dataset.csv").readlines()


interceptConstant = 1;
i = 0
# reading data and writing in numpy arrays
while i<len(dbfv):
    cells = dbfv[i].split(",")
    j = 0
    x[i][j] = interceptConstant
    feature_names[j] = str(j)
    while j<len(cells)-1:
        x[i][j+1] = cells[j]
        feature_names[j+1] = str(j+1)
        j += 1
    y[i] = cells[len(cells)-1]
    i += 1
# creating dataframes
df = pd.DataFrame(x, columns=feature_names)

target = pd.DataFrame(y, columns=["TARGET"])

X = df
y = target["TARGET"]

model = sm.OLS(y, X).fit()

print(model.params)

# predictions = model.predict(X) # make the predictions by the model


# Print out the statistics
print(model.summary())

【讨论】：