Модель PyLSAL OLS: AttributeError: у объекта «OLS» нет атрибута «предиката»

Question

Я разделил свои данные на обучающие и проверочные образцы и успешно приспособил свою модель к трем типам линейных моделей. Что я не могу понять, как это сделать, так это применить модель к проверочному образцу для оценки соответствия. Когда я пытаюсь применить модель к образцу с задержкой (извините, я знаю, что это не воспроизводимый пример, но я думаю, что проблема довольно ясна. Я просто помещаю этот фрагмент здесь для полноты. Пожалуйста, будьте осторожны!) :

valid = validation.loc[:, x + [ "sale_amt"]] 
holdout1 = m1.predict(valid)

Я получаю следующее сообщение об ошибке:

AttributeError Traceback (последний вызов был последним) в () 8 9 valid = validation.loc [:, x + ["sale_amt"]] ---> 10 holdout1 = m1.predict (действительный)

AttributeError: объект 'OLS' не имеет атрибута'вести '`

Другие регрессионные пакеты Python для OLS имеют метод «предвидения», но, похоже, PySAL нет. Я понимаю, что функциональные коэффициенты (бета-версии) доступны, и буду продолжать применять их непосредственно к моим данным проверки, но я надеялся, что есть простой ответ, который я только что пропустил.

Answer 1

Я прошу прощения, если это плохая форма, чтобы ответить на мой собственный вопрос, но я действительно нашел решение.Я связался с Дэниелом Аррибас-Белом, одним из разработчиков PySAL, и он помог мне сориентироваться в результате, которого я искал.Обратите внимание, что мой объект PySAL OLS называется m1, а мой кадр данных проверки называется 'validation':

m1 = ps.model.spreg.OLS(...)
m1.intercept = m1.betas[0]  # Get the intercept from the betas array
m1.coefficients = m1.betas[1:len(m1.betas)] # Get the coefficients from the betas array
validation['predicted_price'] = m1.intercept + validation.loc[:, x].dot(  m1.coefficients) 

Обратите внимание, что этот метод я бы использовал для непространственной модели, адаптированной для модели KNN.встроен в PySAL и не может быть технически полностью корректным для пространственной модели. Предостережение emptor.