Python：'for' 线性回归中的循环和迭代

Question

我正在使用 statsmodel 包构建一个基本的线性回归模型，这就是我正在尝试做的事情：
构建一个 'for' 循环来检查每个特征的概率，检查它们是否大于 0.05，如果是：从训练（和测试）数据中删除该特征，再次拟合模型，并重复直到所有概率< 0.05.
这是我到目前为止所做的：

for x,y in zip(lrmodel.pvalues,xtrain.columns): 
   if x>0.05:
      xtrain = xtrain.drop(y,axis=1)
      xtest = xtest.drop(y,axis=1)
      lrmodel = sm.OLS(ytrain,xtrain).fit()
      finalmodel = lrmodel
    else:
      finalmodel = lrmodel

此循环的问题在于它不会迭代 p 值，而是在单次触发中删除所有概率 >0.05 的概率。
如果有人能帮助我，我将不胜感激。谢谢！

Answer 1

我想你还需要一个 while 循环：

while max(lrmodel.pvalues)>0.05:
    for x,y in zip(lrmodel.pvalues,xtrain.columns): 
        if x>0.05:
            xtrain = xtrain.drop(y,axis=1)
            xtest = xtest.drop(y,axis=1)
            lrmodel = sm.OLS(ytrain,xtrain).fit()
            break
# after all the values are less than 0.05, assign the model to final model
finalmodel = lrmodel

一个潜在的问题是：你必须确保所有的值最终都小于0.05，否则你需要一个额外的逻辑来终止循环。例如，

while len(lrmodel.pvalues)>0 and max(lrmodel.pvalues)>0.05:

Python：'for' 线性回归中的循环和迭代

Python: 'for' loops and iteration in Linear Regression

python

for-loop

machine-learning

linear-regression

statsmodels