from_formula() 缺少 2 个必需的位置参数：“公式”和“数据”答案

【问题标题】：from_formula() missing 2 required positional arguments: 'formula' and 'data'from_formula() 缺少 2 个必需的位置参数：“公式”和“数据”
【发布时间】：2020-01-14 07:22:03
【问题描述】：

statsmodels.formula.api 下的 ols 函数出现位置参数错误

已尝试使用 statsmodels.regression.linear_model 并将 OLS 更改为 ols，反之亦然。

import statsmodels.regression.linear_model as sm

X = np.append(arr=np.ones((50,1)).astype(int),values=X,axis=1)

X_opt = X[:,[0,1,2,3,4,5]]

regressor_OLS = sm.ols(endog = Y, exog = X_opt).fit()

预期输出是回归模型的拟合。但是我收到了这个错误：

from_formula() 缺少 2 个必需的位置参数：“公式”和 '数据'

【问题讨论】：

发生了什么：regressor_OLS = sm.ols(X_opt, Y).fit()
TypeError: from_formula() 缺少 2 个必需的位置参数：'formula' 和 'data'
我正在尝试执行向后消除::
Y - 表示目标集。而 X_opt 代表数据。所以基本上，我不明白位置参数是如何不正确的。是版本问题吗？谢谢。

标签： python machine-learning python-3.7 statsmodels linearmodels

【解决方案1】：

这应该可行：

import statsmodels.api as smf;

X = np.append(arr=np.ones((50,1),dtype=np.int), values = X,axis = 1)

X_opt = X[:,[0,1,2,3,4,5]]

regressor_ols = smf.OLS(y,X_opt).fit()

【讨论】：

这不起作用。运行该解决方案你会得到“AttributeError：模块'statsmodels.formula'没有属性'OLS'

【解决方案2】：

为了让这个示例正常工作（我假设您正在运行 udemy 机器学习课程，这是本示例的一行一行），我必须更改导入语句。他们使用的库不再是 OLS 函数所在的位置。

import statsmodels.regression.linear_model as lm

然后

regressor_ols = lm.OLS(endog = y, exog = x_optimal).fit()

【讨论】：

【解决方案3】：

删除

import statsmodels.regression.linear_model as sm

只需导入 statsmodels.api 如下

import statsmodels.api as sm

课程已经很老了，这就是为什么代码片段已经过时了，不知道他们为什么不再更新它。

【讨论】：

【解决方案4】：

伙计们，这个模块是 Linear_model 类的一部分，因此请使用以下代码使其工作。

import statsmodels.regression.linear_model as lm
X = np.append(arr=np.ones((50,1)).astype(int),values=X,axis=1)

X_opt = X[:,[0,1,2,3,4,5]]

regressor_OLS = lm.OLS(endog = y, exog = X_opt).fit()

【讨论】：

【解决方案5】：

使用import statsmodels.regression.linear_model as lm 或import statsmodels.api as sm

import statsmodels.regression.linear_model as lm

X=np.append(arr=np.ones((50,1)).astype(int), values=X, axis=1)
X_opt=X[:,[0, 1, 2, 3, 4, 5]]
regressor_x=sm.OLS(endog=y, exog=X_opt).fit()
regressor_x.summary()

【讨论】：

【解决方案6】：

这个对我有用

import statsmodels.api as sm

X=np.insert(X,0,np.ones(X.shape[0]),axis=1)

colList=list()

for i in range(X.shape[1]):
    colList.append(i)

X_opt=np.array(X[:, colList], dtype=float)

regressor_OLS=sm.OLS(endog=y,exog=X_opt).fit()

【讨论】：

【解决方案7】：

解决方案 1：

import statsmodels.api as sm
x = np.append(arr= np.ones((50, 1)).astype(int), values= x, axis=1)
x_opt = x[:, [0,1,2,3,4,5]]
regressor_OLS = sm.OLS(endog=y, exog=x_opt).fit()

解决方案 2：

import statsmodels.regression.linear_model as lm
x = np.append(arr= np.ones((50, 1)).astype(int), values= x, axis=1)
x_opt = x[:, [0,1,2,3,4,5]]
regressor_ols = lm.OLS(endog=y, exog=x_opt).fit()

【讨论】：

您需要为您提供的解决方案提供一些最低限度的解释。