滾動回歸

所謂滾動回歸，通常用在時間序列上。記當(dāng)前時刻為 t，回歸時長為 s，則一直使用 當(dāng)作自變量來預(yù)測 。使用滾動回歸的目的通常是為了避免未來函數(shù)對于回歸的影響。

具體來說，如果我們直接用所有數(shù)據(jù)來建立線性回歸模型，則回歸系數(shù) ，是關(guān)于所有 x 與所有 y 的函數(shù)。然而，我們在 時是不知道未來的數(shù)據(jù)點的！如果使用全部數(shù)據(jù)進(jìn)行回歸則相當(dāng)于未卜先知，會造成嚴(yán)重的過擬合。

Python實現(xiàn)

之前 python 的 pandas 與 statsmodels 庫均支持滾動回歸，但是現(xiàn)在兩個都不支持。因此如果大家使用的是最新版的 pandas 與 statsmodels ，那么網(wǎng)上的那些做法均沒有用。

目前我找到的唯一可以實現(xiàn)滾動回歸的 python 庫是 pyfinance，代碼如下：

from pyfinance.ols import PandasRollingOLS results = PandasRollingOLS(x, y, window) # window 是滾動回歸的自變量個數(shù)results.solution # 每一步估計的截距與斜率results.beta # 每一步估計的斜率results.alpha # 每一步估計的截距results.predicted # 每一步估計的樣本內(nèi)預(yù)測值

補(bǔ)充知識：python 實現(xiàn)字幕動態(tài)滾動和等待效果

晚上看了些python實現(xiàn)動態(tài)字幕效果的文章，總會提到print函數(shù)的flush=True參數(shù)，還有os.system(’cls’)清屏，總是迷糊，并不能實現(xiàn)滾動屏幕效果。經(jīng)過多方思索和查找，總結(jié)如下。

1.windows平臺下pycharm工具，其實加不加 flush=True 效果都是一樣的，因為網(wǎng)上說，有些系統(tǒng)是把字符存放在緩存里不會實時顯示，總是再最后才一次性把所有的緩存信息顯示，這樣的延遲導(dǎo)致看不到動態(tài)效果。經(jīng)過測試，windowns平臺的pycharm工具不存在此問題，加不加效果都一樣。

2.回車換行符的使用：

# 回車和換行的歷史： # 機(jī)械打字機(jī)有回車和換行兩個鍵作用分別是: # 換行 ’n’ 就是把滾筒卷一格，不改變水平位置。 （即移到下一行，但不是行首，而是和上一行水平位置一樣） # 回車 ’r’ 就是把水平位置復(fù)位，不卷動滾筒。 （即將光標(biāo)移到行首，但是不會移到下一行，如果繼續(xù)輸入的話會覆蓋掉前面的內(nèi)容） # Enter = 回車+換行(rn)

所以可以利用回車符，不斷清除前面的字符，然后循環(huán)顯示新的字符，來實現(xiàn)動態(tài)滾動效果。

2個實例如下：

實例1 動態(tài)廣告語

import time content = ’鉆石永久遠(yuǎn)，一顆永流傳!’while True: print(’r’, content, end=’’, flush=True) #去掉flush參數(shù)效果也一樣 content = content[1:] + content[0] time.sleep(0.5)

實例2 等待效果

import time while True: print(’鉆石永久遠(yuǎn)，一顆永流傳’, end=’ ’) for i in range(10): print(’·’, end=’’, flush=True) #去掉flush參數(shù)效果也一樣 time.sleep(0.3) print(’r’,end=’’)

以上這篇python rolling regression. 使用 Python 實現(xiàn)滾動回歸操作就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持好吧啦網(wǎng)。