5

我正在尝试使用 Python 中的分位数回归来预测我的目标变量。

我正在考虑用于训练和验证的数据来自 2015 年 10 月 -2017 年 12 月 31 日期间。

现在模型已经开发，我试图预测 2018 年 1 月的值，这会引发以下错误：

ValueError：操作数无法与形状一起广播 (34,) (33,)

mod = smf.quantreg('ASBCU_SUM~Month+Year+WeekofMonth+DayNum+isHoliday+PCOP_CS+PCOP_LS+PCOP_IFS+PCOP_LSS+PCOP_FSS+PCOP_FS+DayOfWeek_6+DayOfWeek_5+DayOfWeek_2+DayOfWeek_7+DayOfWeek_3+DayOfWeek_4',dfTrainingData)

res = mod.fit(q=0.8)

如果我检查，错误来自statmodels中的分位数regression.py文件。

diff = np.max(np.abs(beta - beta0))

我看过类似的关于堆栈溢出的帖子，建议检查目标变量的数据类型是否为数字。这是变量的 dtype：

ASBCU_SUM：int64

月份：类别

年份：类别

WeekofMonth：类别

isHoliday: int64

天数：int32

PCOP_SUM：int64

PCOP_CS：int64

PCOP_LS：int64

PCOP_IFS：int64

PCOP_LSS：int64

PCOP_FS：int64

PCOP_FSS：int64

DayOfWeek_3：float64

DayOfWeek_2：float64

DayOfWeek_5：float64

DayOfWeek_7：float64

DayOfWeek_4：float64

DayOfWeek_6：float64

使用 2015-2017 年数据开发模型时，数据类型也相同。

我真的很感激任何帮助..

4

1 回答 1

3

我之前遇到过同样的错误。检查@Josef 的回复，我发现输入矩阵不是满秩，修复秩问题后，bug 已修复。例如，如果您运行以下代码：

import statsmodels.api as sm
import statsmodels.formula.api as smf
import pandas as pd
data = {'col_1': [3, 2, 1, 0], 'col_2': [0, 0, 0, 0],
        'y': [1,2,3,4]}
data = pd.DataFrame.from_dict(data)
data.head()
model =smf.quantreg("y ~ col_1 + col_2", data).fit()
print(model.summary())

该错误将出现：

diff = np.max(np.abs(beta - beta0))
ValueError: operands could not be broadcast together with shapes (3,)
(2,)

如果您删除导致非满级问题的“col_2”，该错误将得到修复。

于 2021-02-09T11:38:41.113 回答