Python PySAL OLS模型：AttributeError:'；OLS&x27；对象没有属性'；预测'；

我已经将我的数据分为训练样本和验证样本，并成功地用三种类型的线性模型拟合了我的模型。我不知道如何将模型应用于验证样本以评估适合性。当我尝试将该模型应用于抵制样本时（对不起，我知道这不是一个可复制的示例，但我认为问题非常清楚。我只是为了完整性而将此片段放在这里。请保持温和！）：

我收到以下错误消息：

AttributeError回溯（最近一次呼叫上次） 在（） 8. 9有效=验证。loc[：，x+[“销售金额”]] --->10保持率1=m1。预测（有效）

AttributeError:“OLS”对象没有属性“predict”`

---

其他Python OLS回归包有一个“预测”方法，但PySAL似乎没有。我意识到函数系数（Beta）是可用的，并将继续将其直接应用于我的验证数据，但我希望有一个我刚刚错过的简单答案。

如果回答我自己的问题形式不好，我深表歉意，但我确实想出了一个解决方案。我联系了Daniel Arribas Bel，PySAL开发人员之一，他帮助我找到了我想要的结果。请注意，我的PySAL OLS对象名为m1，我的验证数据帧名为“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) 

---

请注意，这是我将用于非空间模型的方法，适用于我在PySAL中构建的KNN模型，对于空间模型，这在技术上可能不完全正确。买主注意。

自行回答您的问题是可以的，尤其是在还没有有效答案的情况下。你甚至可以接受它，尽管你得不到分数：）

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)