Получение ошибки: фигуры не выровнены, со статистическими моделями и простой двумерной линейной регрессией
import numpy as np
import statsmodels.api as sm
list21 = [-0.77, -0.625, -0.264, 0.888, 1.8, 2.411, 2.263, 2.23, 1.981, 2.708]
list23 = [-1.203, -1.264, -1.003, -0.388, -0.154, -0.129, -0.282, -0.017, -0.06, 0.275]
X1 = np.asarray(list21)
Y1 = np.asarray(list23)
x = X1.reshape(-1, 1)
y = Y1.reshape(-1, 1)
model = sm.OLS(x, y)
fit = model.fit()
y_pred = model.predict(x)
Ошибка читается как:
--> 161 y_pred = model.predict(x)
ValueError: shapes (10,1) and (10,1) not aligned: 1 (dim 1) != 499 (dim 0)
Последние полчаса бьюсь головой о стену, пожалуйста, помогите.
Ответы 1
Вы назначаете прогноз неправильной переменной. Использовать:
model = sm.OLS(x, y)
fit = model.fit()
y_pred = fit.predict(x)
Или используйте
model = sm.OLS(x, y).fit()
y_pred = model.predict(x)
В любом случае: назначьте прогноз переменной, которую вы использовали с fit()
РЕДАКТИРОВАТЬ
Чтобы ответить на ваш вопрос, почему линия проходит через ноль: вы не определяете перехват, который вы можете сделать с помощью sm.add_constant. Пожалуйста, обратитесь к этой документации: https://www.statsmodels.org/dev/examples/notebooks/generated/ols.html
Применительно к вашему коду вы получаете:
import numpy as np
import statsmodels.api as sm
import matplotlib.pyplot as plt
list21 = [-0.77, -0.625, -0.264, 0.888, 1.8, 2.411, 2.263, 2.23, 1.981, 2.708]
list23 = [-1.203, -1.264, -1.003, -0.388, -0.154, -0.129, -0.282, -0.017, -0.06, 0.275]
x = np.asarray(list21)
y = np.asarray(list23)
X = sm.add_constant(x)
model = sm.OLS(y,X)
results = model.fit()
y_pred = results.predict(X)
plt.scatter(list21,list23)
plt.plot(x,y_pred)
Да, это было спасибо. Вы знаете, почему моя линия проходит только через 0 по оси Y? даже если я меняю списки, они всегда идут через ноль. Это действительно не то, что должно происходить. Моя другая линия регрессии этого не делает.
Пожалуйста, проверьте мое редактирование. Я переработал ваш пример, чтобы вы могли увидеть, как получить правильную линию регрессии, используя ols. :)
в сторону: statsmodels требует, чтобы зависимая или итоговая переменная была первой, то есть
OLS(y, x)