ich die folgende lineare Regression haben:Python Statistiken Modelle - quadratische Term in Regression
import statsmodels.formula.api as sm
model = sm.ols(formula = 'a ~ b + c', data = data).fit()
Ich möchte in diesem Modell einen quadratischen Term für b hinzuzufügen.
Gibt es einen einfachen Weg, dies mit statsmodels.ols zu tun? Gibt es ein besseres Paket, das ich verwenden sollte, um dies zu erreichen?
Obwohl die Lösung von Alexander arbeitet, in manchen Situationen ist es nicht sehr bequem ist. Zum Beispiel müssen Sie jedes Mal, wenn Sie das Ergebnis des Modells für neue Werte vorhersagen möchten, daran denken, sowohl b ** 2 als auch b-Werte zu übergeben, was umständlich ist und nicht notwendig sein sollte. Obwohl Patsy die Notation "b ** 2" nicht erkennt, erkennt es doch numpige Funktionen. So können Sie
import statsmodels.formula.api as sm
import numpy as np
data = {"a":[2, 3, 5], "b":[2, 3, 5], "c":[2, 3, 5]}
model = sm.ols(formula = 'a ~ np.power(b, 2) + b + c', data = data).fit()
Auf diese Weise verwenden, letztere können Sie dieses Modell wieder verwenden, ohne die Notwendigkeit, einen Wert für b angeben ** 2
model.predict({"a":[1, 2], "b":[5, 2], "c":[2, 4]})
sollte diese Arbeit:
data['b2'] = data.b ** 2
model = sm.ols(formula = 'a ~ b2 + b + c', data=data).fit()
Der einfachste Weg ist
model = sm.ols(formula = 'a ~ b + c + I(b**2)', data = data).fit()
Die I(...) sagt im Grunde "Patsy, bitte hör auf clever zu sein hier und lass Python alles in kthx behandeln". (More detailed explanation)
wissen Sie, ob dies von einer bestimmten Version abhängt? für mich wird der b ** 2 Term einfach übersprungen – datavoredan
upgedated statsmodels auf 0.6.1 und immer noch nicht gut – datavoredan
Das Erstellen einer Design-Matrix aus den Formeln wird von patsy gemacht und wird unabhängig von der statsmodels-Version sein. (Ich weiß nicht, wie Patsy die Power-Operation in einer Formel behandelt.) – user333700