python - 使用逻辑回归的 p 值的 NaN
问题描述
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()
有任何想法吗?
要检查什么?用什么?谢谢。
解决方案
推荐阅读
- c# - 使用 nuget 包而不发布
- javascript - ckeditor:检测上传已完成
- reactjs - DOM 始终是每隔一个页面中的 App 页面 React + Ionic + Typescript
- node.js - 如何从我的 .env 文件中获取变量到 Azure 管道
- python - aiogram python中的复选框内联按钮
- android - Xamarin.Forms Android 模拟器没有连接
- c# - Serilog:使用子记录器和过滤器的多文件输出
- flutter - 如何汇总所有折扣集合,然后为另一个集合中的所有学生获取这些值的总和
- android - 如何在回收器视图中从基本类别创建更多类别
- javascript - 如果值存在,则 Firebase 更新实例