Ich habe es versucht, konnte es aber nicht für meine Daten zum Laufen bringen:Verwenden Sie Scikit Erfahren Sie, wie Sie eine lineare Regression für einen Zeitreihen-Pandadatenrahmen durchführen.

Meine Daten bestehen aus 2 DataFrames.DataFrame_1.shape = (40,5000) undDataFrame_2.shape = (40,74). Ich versuche eine Art lineare Regression durchzuführen, aberDataFrame_2 enthältNaN fehlende Datenwerte. Wenn ichDataFrame_2.dropna(how="any") die Form fällt auf(2,74).

Gibt es einen linearen Regressionsalgorithmus in sklearn, der mit @ umgehen kanNaN Werte?

Ich modelliere es nach demload_boston vonsklearn.datasets woX,y = boston.data, boston.target = (506,13),(506,)

Hier ist mein vereinfachter Code:

X = DataFrame_1
for col in DataFrame_2.columns:
    y = DataFrame_2[col]
    model = LinearRegression()
    model.fit(X,y)

#ValueError: Input contains NaN, infinity or a value too large for dtype('float64').

Ich habe das obige Format verwendet, um die Formen so anzupassen, dass sie mit den Matrizen übereinstimmen.

Wenn Sie das @ postDataFrame_2 würde helfen, bitte kommentieren Sie unten und ich werde es hinzufügen.