Python 设置回归设计矩阵的格式

我得到了一个没有响应变量的测试集。我已经建立了模型，需要在测试集中预测响应变量

我在格式化测试设计矩阵以使其兼容时遇到问题

我正在使用patsy库构建矩阵

我想做类似的事情，但下面的代码不起作用：

X = dmatrices('Response ~ var1 + var2', test, return_type = 'dataframe')

---

什么是正确的方法？谢谢

如果您首先使用patsy来拟合模型，那么您应该告诉它“嘿，您知道您是如何构建我的第一个设计矩阵的吗？以同样的方式构建另一个矩阵”：

或者，您可以从头开始构建新矩阵：

# Use 'dmatrix' and leave out the left-hand-side of the formula
test_X = dmatrix("~ ...", test, return_type="dataframe")

如果你能做到，第一种方法会更好。例如，假设您有一个分类变量，让patsy为您编码。假设有10个类别出现在您的培训集中，但只有5个类别出现在您的测试集中。如果使用第一种方法，那么patsy将记住10个类别在哪里，并生成一个包含10列的测试矩阵（其中一些列全部为零）。如果您使用第二种方法，那么patsy将生成一个包含10列的训练矩阵和一个包含5列的测试矩阵，然后您的模型代码可能会崩溃，因为矩阵不是它期望的形状

---

另一种情况是，如果您使用patsy的

center

函数将变量居中：使用第一种方法，它将自动记住从训练数据中减去的值，并将其重新用于测试数据，这正是您想要的。使用第二种方法，它将使用测试数据重新计算中心，这可能会导致您默默地得到非常错误的结果。

谢谢！这很有帮助

# Use 'dmatrix' and leave out the left-hand-side of the formula
test_X = dmatrix("~ ...", test, return_type="dataframe")