statsmodels

    3热度

    1回答

    我不确定什么是最好的/最具统计性的完成我想要的东西的方法,但我基本上试图采用p值的分布并将其与通过排列我的原始数据而创建的更大的p值分布。我正在处理小的p值,所以我实际上比较了p值的log10。 我一直在试图找出一个很好的通用方法来比较两个数组具有相似值但长度不相等的方法。我真正想要的是类似于scipy.qqplot(dataset1, dataset2)的东西,但不存在,Q-Q图只会将您的分布与

    0热度

    1回答

    我生成一些数据,如[1,6,1,6,1,6],并在正态分布下添加噪声。我使用arma_order_select_ic来选择订单。然后使用aic_min_order来拟合ARMA模型。有时模型运行良好。但有时会引发ValueError。 ValueError: The computed initial AR coefficients are not stationary 这里是我的代码。 impor

    3热度

    1回答

    我目前使用statsmodels Python包为了绘制两个资产的自相关图(它是作为我的主人的一部分的财务任务),但是我在设置图例时存在问题,以便标记符合实际资产。例如,蓝色标记对应于“资产A”,而绿色标记对应于“资产B”。然而,另外两条线不断出现在传说中,我无法摆脱它们!我想要做的就是拥有一个带有两个标记的传说,这些标记对应于每个资产,但处理这个包的情节至今是绝对的噩梦,并且已经比处理matpl

    0热度

    1回答

    我试图按照时间序列分析的教程,并早点击了一个障碍。该“SARIMAX”库不可使用下面的语法,每statsmodels网站: import statsmodels.api as sm sm.tsa.statespace.SARIMAX 我也看着如: sm.tsa.SARIMAX 状态空间缺失等是SARIMAX在其他选项。我究竟做错了什么? 使用Tab完成,我看不到任何类似的库(作为这个领

    0热度

    1回答

    我需要通过平滑销售百分比值进行分组,因销售百分比值可能由于缺货情况而不稳定。我有熊猫数据框中的数据。这里是我尝试代码: from scipy.interpolate import UnivariateSpline s = base_data1.groupby(['MDSE_ITEM_I','CO_LOC_I'])\ .transform(lambda x: UnivariateSpline(n

    1热度

    1回答

    我目前使用Python的Patsy模块为我的模型创建矩阵输入。例如,我可能会使用一个公式是 'Survived ~ C(Pclass) + C(Sex) + C(honor) + C(tix) + Age + SibSp + ParCh + Fare + Embarked + vowel + middle + C(Title)' 不过,我想执行模型选择,所以我想从 'Survived ~ Ag

    0热度

    1回答

    我试图预测使用SARIMAX的季节性时间序列。时间序列包含每日PV馈入的最大值,这导致假定365天的周期性。 这里是我的代码: mod= SARIMAX(realy.Max, order=(0,1,1), seasonal_order=(0,1,1,365)) results_SARIMAX = mod.fit(disp= -1) 我seasonal_order设置s到365,因为我的周期性

    0热度

    1回答

    我试图在使用melt()函数将宽转换为长格式后,将分类变量转换为R中的因子。然而,当我运行因子功能和输入水平和标签时,我得到一个表格: 有没有人知道为什么会发生这种情况? law <- read.csv("lawyers_class_new.csv") library(reshape2) law <- melt(law, id.vars = c("Subj"), measure.vars

    0热度

    1回答

    我已经编写了一个代码,用WLS的多元回归形成最佳拟合线的方程式。下面是我使用的代码: import numpy as np import csv import pandas as pd import statsmodels.api as sm from statsmodels.sandbox.regression.predstd import wls_prediction_std #r

    0热度

    1回答

    进行X-12-ARIMA statsmodels我跟随statsmodels的this example X-12-ARIMA的实施,并在我的情况我有一个看起来像 668 2000/01/28 20:00:00 1.476667 669 2000/01/28 21:00:00 1.715498 670 2000/01/28 22:00:00 1.713599 671 2000/01/28 23