ValueError: endog 必须在单位区间内

Posted 2023-03-12

【中文标题】ValueError: endog 必须在单位区间内

【英文标题】：ValueError: endog must be in the unit interval

【发布时间】：2015-09-28 02:48:15

【问题描述】：

在使用 statsmodels 时，我收到了这个奇怪的错误：ValueError: endog must be in the unit interval. 谁能给我更多关于这个错误的信息？谷歌没有帮助。

产生错误的代码：

"""
Multiple regression with dummy variables. 
"""

import pandas as pd
import statsmodels.api as sm
import pylab as pl
import numpy as np

df = pd.read_csv('cost_data.csv')
df.columns = ['Cost', 'R(t)', 'Day of Week']
dummy_ranks = pd.get_dummies(df['Day of Week'], prefix='days')
cols_to_keep = ['Cost', 'R(t)']
data = df[cols_to_keep].join(dummy_ranks.ix[:,'days_2':])
data['intercept'] = 1.0

print(data)

train_cols = data.columns[1:]
logit = sm.Logit(data['Cost'], data[train_cols])

result = logit.fit()

print(result.summary())

还有回溯：

Traceback (most recent call last):
  File "multiple_regression_dummy.py", line 20, in <module>
    logit = sm.Logit(data['Cost'], data[train_cols])
  File "/Library/Frameworks/Python.framework/Versions/3.4/lib/python3.4/site-packages/statsmodels/discrete/discrete_model.py", line 404, in __init__
    raise ValueError("endog must be in the unit interval.")
ValueError: endog must be in the unit interval.

【问题讨论】：

也许检查产生此错误的条件： if (self.__class__.__name__ != 'MNLogit' 而不是 np.all((self.endog >= 0) & (self.endog

您的Cost 数据是什么？ Logit 要求因变量（endog）在单位区间内。如果您想要使用另一个区间中的值进行逻辑回归，那么您需要转换您的值以使它们处于单位区间中。但是Logit并不要求endog是0、1的整数，所以我们可以用它来做比例。

啊Cost不在单位区间内。知道为什么 Logit 需要这个吗？

Logit 的基本分布是伯努利分布，取值 0 和 1。这可以扩展到 0 和 1 之间的任何值，但函数未在单位区间之外定义。如果您有一个正因变量和一个指数平均函数，那么即使数据是连续的，也可以使用泊松分布。对于未绑定的连续数据，通常的模型是 OLS。

【参考方案1】：

当我的目标列的值大于 1 时出现此错误。 确保您的目标列介于 0 和 1 之间（这是 Logistic 回归的要求），然后重试。 例如，如果目标列的值为 1-5，则将 4 和 5 设为正类，将 1、2、3 设为负类。希望这会有所帮助。

【讨论】：

图例 - 我的目标列中有一个 NaN

【参考方案2】：

您似乎遵循了与我相同的逻辑回归教程： http://blog.yhat.com/posts/logistic-regression-and-python.html

当我拟合逻辑回归时，我最终得到了相同的值错误，我需要让它运行的技巧是确保删除所有缺少值的数据行（N/A 或 np.nan）。

这可以通过 pandas 函数 pandas.notnull() 来完成，如下所示：

data = data[pd.notnull(data['Cost'])],

data = data[pd.notnull(data['R(t)'])],

...

以此类推，直到所有变量都有相同数量的值可供使用。

希望这对其他人有帮助！

【参考方案3】：

我遇到了同样的问题：我将模型从分类更改为回归模型（我在回归问题中使用分类模型 .logit）

您仍然可以使用 StatsModel，但使用 OLS，例如，而不是 logit。 Logit（逻辑回归）用于分类问题，但这里似乎是回归问题。使用OLS，可以解决问题