问题标签 [patsy]

我有一些数据，有多个分类元素。

我想使用回归对它们进行建模，为了方便起见，使用与 statsmodels 一起使用的 patsy 公式。

当仅使用一个分类变量时，如公式中所示'C(Weekday, Treatment) - 1'，它按预期工作，删除截距并在每个类别的设计矩阵中留下一列。

但是，当使用 2 个不同的分类变量时，例如'C(Status, Treatment) + C(Weekday, Treatment) - 1'，则结果矩阵确实没有截距，而且“工作日”的值之一也丢失了，好像我没有-1'd。

是否有一些我没有看到的统计原因？去除截距不足以阻止完美的共线性吗？谢谢

我正在尝试在 JupyterLab 的 ipynb 笔记本上使用 patsy 包创建 B 样条：

这在我第一次运行时工作正常。但是当我再次尝试重新运行此单元格时，它会失败并出现以下错误：

我想在我为数据的三次样条制作的图上显示置信区间，但我不知道应该怎么做。从理论上讲，我知道当我们靠近边缘时 CI 应该偏离拟合线，但我想出的唯一解决方案是这个 janky 添加，它没有显示正确的 CI。

这是代码：

请注意，该图应该是具有四个自由度的自然三次样条函数，但我不确定我的解决方案是否正确。实现它的正确方法是什么？

我想为 P(wage > 250) 的具有四个自由度的自然三次样条函数创建一个 Logit 图，但由于某种原因发生了错误。我不明白为什么，因为 OLS 工作正常。

这是代码（它应该可以完全工作而无需任何调整，当然，有问题的部分除外）：

错误是：

我尝试转置数据框，但结果是一些乱码图。我该如何正确地做到这一点？

我发现了一个有趣的问题，我很想听听你的解释。

如果您打印出标准化x2 列的结果，您会发现结果完全不同。结果如下：

Patsy_Standarlize_Output = [-1.21701061，-0.07791372，-0.66884723，2.23584028，0.69898536，-0.71843674，-0.00416815，-0.2484492]

Pandas_Standarlize_Output = [-1.13840918, -0.07288161, -0.62564929, 2.09143707, 0.65384094, -0.67203603, -0.00389895, -0.23240294]

我的问题是，既然我对同一列进行了标准化，为什么结果不同？

我期待听到您的精彩诠释！非常感谢您的时间和帮助！

我正在尝试使用以下 Python 代码在 Python 上创建一个固定效果模型 -

它的 patsy 等价物是什么？我们如何在 PanelOLS 上创建它？

为了我的问题，我制作了一个非常简单的逻辑模型。这是下面的代码；

请原谅我蹩脚的代码，我正在匆忙写这个 - 需要去工作哈哈。这段代码抛出了一个值错误 - ValueError: shape (5,2) and (5,2) not aligned: 2 (dim 1) != 5 (dim 0) about line 18。

我真的不明白这些是如何不对齐的，因为我只是使用 predict() 将训练数据 X 传递回模型。我的感觉是我错过了关于 patsy.dmatrices 的一些东西。

有人有想法吗？

使用 patsy.dmatrices 将我的数据拆分为 y,x 并且我正在丢失观察结果。前任：

我df.shape的长度约为 54,000,000，但是在 x/y 拆分之后，我的y.shape和x.shape正在记录大约 43,000,000 次观察。我检查了我的df.isna().sum()，我全盘坐在 0 位。有人可以解释发生了什么，或者解决这个问题吗？我已经使用备用变量在同一个数据帧上执行了拆分，例如

并且尺寸没有问题。

这可能是一个愚蠢的问题，但我搜索了 pyMC3 文档和论坛，似乎找不到答案。我正在尝试从我知道先验不应该有截距的数据集创建线性回归模型。目前我的实现如下所示：

正如我所说，我知道我不应该拦截，但我似乎无法找到一种方法来告诉 GLM.from_formula() 不要寻找一个。大家有解决办法吗？提前致谢！

我使用 patsy cr（使用自然样条曲线）平滑了一组特征，但与看起来非常基本的东西混淆了。这是 patsy 的示例原始数据点和相应的平滑点。

和情节：

因此，基于平滑点的线性回归模型需要 10 列的输入。这是由 cr 创建的。所以假设在生产中我有一个新的 x = 100。那么我怎样才能根据已经创建的平滑线获得新 x 的平滑值？

尝试使用一个值时，我得到以下信息：

无法计算 n_inner_knots(=4) + 2 个不同的结：在 lower_bound(=30.023212890625) 和 upper_bound(=998.42234375) 之间找到 1 个数据值。