Python 从statsmodels WLS获取可用值

我正在使用statsmodels的加权最小二乘回归，但得到了一些非常大的值

这是我的密码：

X = np.array([[1,2,3],[1,2,3],[4,5,6],[1,2,3],[4,5,6],[1,2,3],[1,2,3],[4,5,6],[4,5,6],[1,2,3]])
y = np.array([1, 1, 0, 1, 0, 1, 1, 0, 0, 1])
w = np.array([0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5])

temp_g = sm.WLS(y, X, w).fit()

现在，我理解的是，在WLS回归中，就像在任何线性回归问题中一样，我们提供endog向量和exog向量，函数可以找到最佳拟合线，并告诉我们每个观测值的系数/回归参数应该是什么。例如，在我的数据中，每个观察值由3个特征组成，我希望有3个参数

所以我就这样把它们取出来：

parameters = temp_g.params # I'm hoping I've got this right! Or do I need to use "fittedvalues" instead?

temp g params : 
[ -7.66645036e+198  -9.01935337e+197   5.86257969e+198]

问题是我得到了巨大的价值，就像这样：

parameters = temp_g.params # I'm hoping I've got this right! Or do I need to use "fittedvalues" instead?

temp g params : 
[ -7.66645036e+198  -9.01935337e+197   5.86257969e+198]

或者这个：

temp g params : 
[-2.77777778 -0.44444444  1.88888889]

这在进一步使用这些参数时产生了问题，特别是因为我还有一些指数要处理，我需要将

e

提高到一些回归参数的幂次，考虑到这么大的数字，这是不可能的。因为在使用

exp（）

时，我不断收到溢出错误

---

这正常吗？我做错什么了吗？或者有没有具体的方法让它们变得有用

估计的参数不是很大；它们是零（e-323）。而且，这只是问题的一个症状。你的X矩阵很糟糕；对您的模型进行总结：

temp\u g.summary（）

。你应该至少得到一些关于你的数据的警告（例如，“奇异矩阵”）对不起，我粘贴了错误的值，我编辑了问题以重新粘贴我得到的值。不管怎样，我按照你说的做了尝试，是的，我收到了警告。我想在一个小数据集上测试算法，但我想这太小了。我将使用其他数据重试。这与数据的大小无关；基本问题是X矩阵列如何相互关联：列之间的关联度为1。例如，如果在stata中执行该回归，stata将自动删除其中一列以使回归正常工作。statsmodels没有自动尝试使回归工作，它只是发出警告，告诉您存在问题。