python - Pandas/Statsmodel OLS 预测 future 值

Question

我一直在尝试预测我创建的模型中的 future 值。我在 pandas 和 statsmodels 中都尝试过 OLS。这是我在 statsmodels 中的内容:

import statsmodels.api as sm
endog = pd.DataFrame(dframe['monthly_data_smoothed8'])
smresults = sm.OLS(dframe['monthly_data_smoothed8'], dframe['date_delta']).fit()
sm_pred = smresults.predict(endog)
sm_pred

返回的数组长度等于原始数据框中的记录数，但值不相同。当我使用 Pandas 执行以下操作时，我没有返回任何值。

from pandas.stats.api import ols
res1 = ols(y=dframe['monthly_data_smoothed8'], x=dframe['date_delta'])
res1.predict

(请注意，Pandas 中的 OLS 没有 .fit 函数)有人可以阐明我如何从 Pandas 或 statsmodel 中的 OLS 模型中获得 future 预测 - 我意识到我不能正确使用 .predict 并且我读过人们遇到的其他多个问题，但它们似乎不适用于我的情况。

编辑 我认为定义的“endog”是不正确的——我应该传递我想要预测的值；因此，我创建了一个日期范围，该范围是最后一个记录值之后的 12 个时间段。但是当我收到错误时，我仍然错过了一些东西:

matrices are not aligned

编辑 这是一段数据，数字的最后一列(红色)是日期增量，与第一个日期相差几个月:

month   monthly_data    monthly_data_smoothed5  monthly_data_smoothed8  monthly_data_smoothed12 monthly_data_smoothed3  date_delta
0   2011-01-31  3.711838e+11    3.711838e+11    3.711838e+11    3.711838e+11    3.711838e+11    0.000000
1   2011-02-28  3.776706e+11    3.750759e+11    3.748327e+11    3.746975e+11    3.755084e+11    0.919937
2   2011-03-31  4.547079e+11    4.127964e+11    4.083554e+11    4.059256e+11    4.207653e+11    1.938438
3   2011-04-30  4.688370e+11    4.360748e+11    4.295531e+11    4.257843e+11    4.464035e+11    2.924085

Answer 1

我认为您的问题是默认情况下 statsmodels 不添加截距，因此您的模型不太适合。要在您的代码中解决它，应该是这样的:

dframe = pd.read_clipboard() # your sample data
dframe['intercept'] = 1
X = dframe[['intercept', 'date_delta']]
y = dframe['monthly_data_smoothed8']

smresults = sm.OLS(y, X).fit()

dframe['pred'] = smresults.predict()

此外，就其值(value)而言，我认为 statsmodel 公式 api 在处理 DataFrame 时更好用，并且默认添加拦截(添加 - 1 以删除)。见下文，它应该给出相同的答案。

import statsmodels.formula.api as smf

smresults = smf.ols('monthly_data_smoothed8 ~ date_delta', dframe).fit()

dframe['pred'] = smresults.predict()

编辑:

要预测 future 值，只需将新数据传递给 .predict() 例如，使用第一个模型:

In [165]: smresults.predict(pd.DataFrame({'intercept': 1, 
                                          'date_delta': [0.5, 0.75, 1.0]}))
Out[165]: array([  2.03927604e+11,   2.95182280e+11,   3.86436955e+11])

关于截距 - 数字 1 中没有任何编码，它只是基于 OLS 的数学运算(截距完全类似于始终等于 1 的回归量)，因此您可以提取值马上总结。查看统计模型 docs ，另一种添加拦截的方法是:

X = sm.add_constant(X)