<\/p>\n
Kesalahan yang mungkin Anda temui saat menggunakan Python adalah:<\/span><\/p>\n Kesalahan ini terjadi ketika Anda mencoba menyesuaikan model regresi dengan Python dan tidak dapat mengonversi variabel kategori menjadi variabel dummy<\/a> sebelum menyesuaikan model.<\/span><\/p>\n Contoh berikut menunjukkan cara memperbaiki kesalahan ini dalam praktiknya.<\/span><\/p>\n Misalkan kita memiliki panda DataFrame berikut:<\/span><\/p>\n Sekarang misalkan kita mencoba menyesuaikan model regresi linier berganda<\/a> dengan menggunakan tim, assist dan rebound sebagai variabel prediktor dan poin sebagai variabel respon<\/a> :<\/span><\/p>\n Kami menerima kesalahan karena variabel “tim” bersifat kategoris dan kami tidak mengubahnya menjadi variabel dummy sebelum menyesuaikan model regresi.<\/span><\/p>\n Cara termudah untuk memperbaiki kesalahan ini adalah dengan mengonversi variabel “tim” menjadi variabel dummy menggunakan fungsi pandas.get_dummies()<\/a> .<\/span><\/p>\n Catatan<\/strong> : Lihat tutorial ini<\/a> untuk penyegaran singkat tentang variabel dummy dalam model regresi.<\/span><\/p>\n Kode berikut menunjukkan cara mengonversi “tim” menjadi variabel dummy:<\/span><\/p>\n Nilai pada kolom \u201ctim\u201d telah diubah dari \u201cA\u201d dan \u201cB\u201d menjadi 0 dan 1.<\/span><\/span><\/p>\n Sekarang kita dapat menyesuaikan model regresi linier berganda menggunakan variabel baru \u201cteam_B\u201d:<\/span><\/p>\n Perhatikan bahwa kali ini kami dapat menyesuaikan model regresi tanpa kesalahan apa pun.<\/span><\/p>\n Catatan<\/strong> : Anda dapat menemukan dokumentasi lengkap untuk fungsi ols()<\/strong> di perpustakaan statsmodels di sini<\/a> .<\/span><\/p>\n Tutorial berikut menjelaskan cara memperbaiki kesalahan umum lainnya dengan Python:<\/span><\/p>\n Cara Memperbaiki KeyError di Pandas<\/a> Kesalahan yang mungkin Anda temui saat menggunakan Python adalah: ValueError : Pandas data cast to numpy dtype of object. Check input data with np.asarray(data). Kesalahan ini terjadi ketika Anda mencoba menyesuaikan model regresi dengan Python dan tidak dapat mengonversi variabel kategori menjadi variabel dummy sebelum menyesuaikan model. Contoh berikut menunjukkan cara memperbaiki kesalahan ini dalam […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n ValueError<\/span> : Pandas data cast to numpy dtype of object. Check input data with\nnp.asarray(data).\n<\/strong><\/pre>\n Bagaimana cara mereproduksi kesalahan tersebut<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],\n ' assists<\/span> ': [5, 7, 7, 9, 12, 9, 9, 4],\n ' rebounds<\/span> ': [11, 8, 10, 6, 6, 5, 9, 12],\n ' points<\/span> ': [14, 19, 8, 12, 17, 19, 22, 25]})\n\n#view DataFrame\n<\/span>df\n\n\tteam assists rebounds points\n0 A 5 11 14\n1 To 7 8 19\n2 A 7 10 8\n3 to 9 6 12\n4 B 12 6 17\n5 B 9 5 19\n6 B 9 9 22\n7 B 4 12 25<\/span><\/span><\/strong><\/pre>\n import<\/span> statsmodels. api<\/span> as<\/span> sm\n\n#define response variable\n<\/span>y = df['points']\n\n#define predictor variables\n<\/span>x = df[['team', 'assists', 'rebounds']]\n\n#add constant to predictor variables\n<\/span>x = sm. add_constant<\/span> (x)\n\n#attempt to fit regression model\n<\/span>model = sm. OLS<\/span> (y,x). fit<\/span> ()\n\nValueError<\/span> : Pandas data cast to numpy dtype of object. Check input data with\nnp.asarray(data).\n<\/span><\/span><\/strong><\/pre>\n Bagaimana cara memperbaiki kesalahan tersebut<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],\n ' assists<\/span> ': [5, 7, 7, 9, 12, 9, 9, 4],\n ' rebounds<\/span> ': [11, 8, 10, 6, 6, 5, 9, 12],\n ' points<\/span> ': [14, 19, 8, 12, 17, 19, 22, 25]})\n\n#convert \"team\" to dummy variable\n<\/span>df = pd. get_dummies<\/span> (df, columns=[' team<\/span> '], drop_first= True<\/span> )\n\n#view updated DataFrame\n<\/span>df\n\n assists rebounds points team_B\n0 5 11 14 0\n1 7 8 19 0\n2 7 10 8 0\n3 9 6 12 0\n4 12 6 17 1\n5 9 5 19 1\n6 9 9 22 1\n7 4 12 25 1<\/span><\/span><\/strong><\/pre>\n import<\/span> statsmodels. api<\/span> as<\/span> sm\n\n#define response variable\n<\/span>y = df['points']\n\n#define predictor variables\n<\/span>x = df[['team_B', 'assists', 'rebounds']]\n\n#add constant to predictor variables\n<\/span>x = sm. add_constant<\/span> (x)\n\n#fit regression model\n<\/span>model = sm. OLS<\/span> (y,x). fit<\/span> ()\n\n#view summary of model fit\n<\/span>print<\/span> ( model.summary<\/span> ())\n\n OLS Regression Results \n==================================================== ============================\nDept. Variable: R-squared points: 0.701\nModel: OLS Adj. R-squared: 0.476\nMethod: Least Squares F-statistic: 3.119\nDate: Thu, 11 Nov 2021 Prob (F-statistic): 0.150\nTime: 14:49:53 Log-Likelihood: -19.637\nNo. Observations: 8 AIC: 47.27\nDf Residuals: 4 BIC: 47.59\nDf Model: 3 \nCovariance Type: non-robust \n==================================================== ============================\n coef std err t P>|t| [0.025 0.975]\n-------------------------------------------------- ----------------------------\nconst 27.1891 17.058 1.594 0.186 -20.171 74.549\nteam_B 9.1288 3.032 3.010 0.040 0.709 17.548\nassists -1.3445 1.148 -1.171 0.307 -4.532 1.843\nrebounds -0.5174 1.099 -0.471 0.662 -3.569 2.534\n==================================================== ============================\nOmnibus: 0.691 Durbin-Watson: 3.075\nProb(Omnibus): 0.708 Jarque-Bera (JB): 0.145\nSkew: 0.294 Prob(JB): 0.930\nKurtosis: 2.698 Cond. No. 140.\n==================================================== ============================\n<\/span><\/span><\/strong><\/pre>\n Sumber daya tambahan<\/strong><\/span><\/h3>\n
Cara Memperbaiki: ValueError: Tidak dapat mengubah float NaN menjadi int<\/a>
Cara Memperbaiki: ValueError: Operan tidak dapat disiarkan dengan bentuk<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"