【发布时间】：2012-03-30 13:22:40
【问题描述】：
我一直在使用 scikits.statsmodels OLS predict 函数来预测拟合数据，但现在想改用 Pandas。
文档refers to OLS 以及一个名为y_predict 的函数，但我找不到任何关于如何正确使用它的文档。
举例：
exogenous = {
"1998": "4760","1999": "5904","2000": "4504","2001": "9808","2002": "4241","2003": "4086","2004": "4687","2005": "7686","2006": "3740","2007": "3075","2008": "3753","2009": "4679","2010": "5468","2011": "7154","2012": "4292","2013": "4283","2014": "4595","2015": "9194","2016": "4221","2017": "4520"}
endogenous = {
"1998": "691", "1999": "1580", "2000": "80", "2001": "1450", "2002": "555", "2003": "956", "2004": "877", "2005": "614", "2006": "468", "2007": "191"}
import numpy as np
from pandas import *
ols_test = ols(y=Series(endogenous), x=Series(exogenous))
但是，虽然我可以产生合身：
>>> ols_test.y_fitted
1998 675.268299
1999 841.176837
2000 638.141913
2001 1407.354228
2002 600.000352
2003 577.521485
2004 664.681478
2005 1099.611292
2006 527.342854
2007 430.901264
预测没有什么不同：
>>> ols_test.y_predict
1998 675.268299
1999 841.176837
2000 638.141913
2001 1407.354228
2002 600.000352
2003 577.521485
2004 664.681478
2005 1099.611292
2006 527.342854
2007 430.901264
在 scikits.statsmodels 中可以执行以下操作：
import scikits.statsmodels.api as sm
...
ols_model = sm.OLS(endogenous, np.column_stack(exogenous))
ols_results = ols_mod.fit()
ols_pred = ols_mod.predict(np.column_stack(exog_prediction_values))
如何在 Pandas 中将内生数据预测到外生数据的极限？
更新：感谢 Chang，新版本的 Pandas (0.7.3) 现在将这个功能作为标准功能。
【问题讨论】：
-
嗨，你介意举个例子来说明如何使用 ols.predict 吗？假设你有三个自变量，因此三个 beta[b1, b2, b3] 现在你想使用 [x1, x2, x3] 来预测一个 y