Pandas中怎么进行预测区间估计

在Pandas中进行预测区间估计，可以使用statsmodels库中的回归模型来实现。下面是一个示例：

import pandas as pd
import statsmodels.api as sm

# 创建一个DataFrame
data = {
'x': [1, 2, 3, 4, 5],
        'y': [2, 3, 4, 5, 6]}
    
df = pd.DataFrame(data)

# 添加截距列
df['intercept'] = 1

# 拟合线性回归模型
model = sm.OLS(df['y'], df[['intercept', 'x']]).fit()

# 进行预测
predictions = model.get_prediction(df[['intercept', 'x']])

# 获取预测区间的下限和上限
pred_ci = predictions.conf_int()

# 将预测区间的下限和上限添加到DataFrame中
df['lower_ci'] = pred_ci[:, 0]
df['upper_ci'] = pred_ci[:, 1]

print(df)

在上面的示例中，首先创建了一个DataFrame，并为其添加了一个截距列。然后使用sm.OLS方法来拟合线性回归模型，并对新数据进行预测。最后，通过get_prediction方法获取预测区间的上下限，并将其添加到DataFrame中。

声明：本文内容由网友自发贡献，本站不承担相应法律责任。对本内容有异议或投诉，请联系2913721942#qq.com核实处理，我们将尽快回复您，谢谢合作！