python - 使用逻辑回归的 p 值的 NaN

Question

我无法正确执行逻辑回归。尽管我的数据集不相关，但我遇到了诸如“奇异矩阵”之类的错误，Hessian 的问题。

这三个代码都不能顺利运行：

>

 model = sm.Logit(y1,X1.astype(float))

> 1. #result = model.fit(method='bfgs')
> #result.summary() 

> 2. #result = model.fit(method='powell') result.summary()

> 3. #result=model.fit_regularized
>    #result.params

ValueError：Pandas 数据转换为对象的 numpy dtype。使用 np.asarray(data) 检查输入数据。

使用 powell 方法或 bfgs 方法我得到了 p 值的“非”。

#define the response (y) and predictors (X)
X1 = df1.loc[:, df.columns != 'OPENED']
y1 = df1['OPENED']
model = sm.Logit(y1,X1.astype(float))
result = model.fit(method='powell')
result.summary()

在此处输入图像描述

有任何想法吗？

要检查什么？用什么？谢谢。

标签： pythonlogistic-regressionp-valuehessian