python ks计算,

  python ks计算,

  我正在运行以下回归(df是熊猫的数据框架):

  将statsmodels.api作为sm导入

  est=sm。OLS(df[p],df[[e , varA , meanM , varM , covAM]])。适合()

  est.summary()

  除此之外,这给了我一个0.9平方的R平方。然后我要画原始Y值和拟合值。为此,我对原始值进行了排序:

  orig=df[p]。价值观念

  拟合=估计拟合值。值

  args=np.argsort(orig)

  将matplotlib.pyplot作为plt导入

  plt.plot(orig[args], bo )

  PLT . plot(orig[args]-resid[args], ro )

  plt.show()

  然而,这给了我一个图表,其中的值完全关闭。没有迹象表明R的平方是0.9。因此,我尝试自己手动计算:

  yBar=df[p]。平均值()

  SSTot=df[p]。应用(x:(x-yBar)* * 2)。总和()

  SSReg=((est . fitted values-yBar)* * 2)。总和()

  1 - SSReg/SSTot

  输出[79]:0 . 58687 . 68888888861

  我做错什么了吗?或者说,为什么我的计算和statsmodels得到的结果相差甚远?SSTot、SSReg的值分别为48084和35495。

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: