python分类预测_分类预测模型

我在一个pandas数据帧中有大约500个星系的数据(每个星系有几百个测量值)，我正在尝试对几个变量进行OLS回归，其中一个变量是分类的(每个星系都有自己的类别)。基本上，一旦我完成了模型的拟合，我要绘制数据、拟合和一些误差边界，去掉类别本身的假定影响。在

实际上，我想生成一个类似于this tutorial(复制于此处)的“OLS非线性曲线，但参数为线性”部分中的图。

相反，我有这个(为了便于阅读，我在这里选了两个星系，但是这500个星系实在太难看了)：

既然这里似乎有两个“星团”，我就得出结论，每一个都必须对应一个星系。不过，我真正想要的是把它们缩成一条线，去掉类间效应，并想象它们都是一个星系。在

作为参考，我用来拟合和绘制的代码是：m = sm.ols(

formula='{} ~ Rdeproj + NSAMstar + \

NSASersicN + C(plateifu)'.format(qty),

data=dfr)

f = m.fit()

#print dir(f)

ypred = f.predict()

prstd, iv_l, iv_u = wls_prediction_std(f)

plt.close('all')

fig, ax = plt.subplots(figsize=(8, 6))

ax.plot(dfr['Rdeproj'], dfr[qty], '.', label='data')

ax.plot(dfr['Rdeproj'], f.fittedvalues, 'r--.', label='pred')

ax.plot(dfr['Rdeproj'], iv_u, 'r--', label='bound')

ax.plot(dfr['Rdeproj'], iv_l, 'r--')

legend=ax.legend(loc='best')

ax.set_xlabel(r'$R_{deproj}$ [Mpc]')

ax.set_ylabel(qty)

plt.tight_layout()

plt.savefig('fits/' + qty + '_fit.png')

我发现有一个类似的问题被问到here，但它似乎只是针对特定类别的预测观察，而不是完全排除这些影响。在

如有进一步的建议，将不胜感激。在