Python中基于系数与常数计算预测值的正确性排查

你的代码计算逻辑存在两处关键错误，导致结果和Excel不符：

1. 系数列选取完全错误 #

mean_coefficients.iloc[:,0:20]试图选取前20列，但你的系数DataFrame只有col1-col5共5列有效系数，多取的列会引入无效值（或NaN），直接破坏计算结果。

2. 系数符号未匹配公式要求 #

你的公式中col2和col3的项是(-行值*对应系数)，但原代码直接使用了系数表中的原始值，没有对这两个系数做符号调整（或者说没有对齐公式的运算逻辑）。

步骤1：提取并调整系数 #

先从系数表中取出对应列的系数，按照公式要求修正col2和col3的符号：

# 提取col1-col5的系数，确保列顺序和月度值表一致
coeffs = mean_coefficients[['col1', 'col2', 'col3', 'col4', 'col5']].values.flatten()
# 按公式要求，col2和col3的系数取反
coeffs[1] = -coeffs[1]
coeffs[2] = -coeffs[2]
# 提取常数项
const = mean_coefficients['constant'].values[0]

步骤2：计算预测值 #

用调整后的系数做矩阵乘法，再加常数项：

# 确保月度值表的列顺序和系数顺序一致（避免列乱序导致计算错误）
selected_columns = selected_columns[['col1', 'col2', 'col3', 'col4', 'col5']]
# 计算预测值
selected_columns['predicted_Mcap'] = selected_columns.dot(coeffs) + const

用你提供的测试数据计算：

• 月度行值：col1=16711, col2=17961, col3=0, col4=20, col5=55
• 调整后系数：col1=2.447697e-07, col2=5.214072e-07, col3=0.000003, col4=0.000006, col5=555
• 常数项：222

手动计算结果：

222 + (16711×2.447697e-07) + (17961×5.214072e-07) + (0×0.000003) + (20×0.000006) + (55×555) = 30747.01357

你可以用Excel核对这个结果，确认是否匹配。

如果你的公式实际是行值直接取负（即预测值=常数 + 行值col1×系数col1 + (-行值col2)×系数col2 + (-行值col3)×系数col3 + 行值col4×系数col4 + 行值col5×系数col5），那调整逻辑要改成对月度值的col2、col3列取负后再计算：

# 对col2、col3行值取负
selected_columns['col2'] = -selected_columns['col2']
selected_columns['col3'] = -selected_columns['col3']
# 提取原始系数
coeffs = mean_coefficients[['col1', 'col2', 'col3', 'col4', 'col5']].values.flatten()
# 计算预测值
selected_columns['predicted_Mcap'] = selected_columns.dot(coeffs) + mean_coefficients['constant'].values[0]

这种情况需要你对照Excel的计算步骤，确认到底是系数取负还是行值取负。

内容的提问来源于stack exchange，提问作者Mostafa Bouzari