在预测模型中理解 Numpy Polyfit

Question

美好的一天，

我继承了一些预测的python代码：

达到两类员工（女性和多元化）的招聘目标的概率以及预测实现目标所需的招聘人数。 两类员工（女性和多元化）的离职概率，以及预测实现目标所需的招聘人数。

该模型使用statsmodels、scipy和norm作为预测模型；数据框（称为“prelim”）由 Excel 电子表格中的以下列数据组成：

'月',

'女伯爵',

'多样化计数',

'公司计数'，

'女%',

'多样化%',

'女性雇佣人数'，

“年初至今的女性雇佣人数”，

'多样化的雇佣人数'，

“年初至今的多元化雇佣人数”，

'公司雇佣计数',

公司雇用人数 YTD',

'女性雇佣 %', '女性雇佣 % YTD',

'多元化雇佣 %', '多元化雇佣 % YTD',

'女性营业额统计',

'女性营业额统计 YTD',

'多样化的营业额计数',

“年初至今的不同营业额”，

'公司营业额统计',

'年初至今公司营业额统计',

'女性离职率%',

'女性离职率 % YTD',

'多元化营业额百分比',

'年初至今的多元化营业额百分比'],

数据包含过去 13 个月的信息，按月/年分组。

我试图理解以下这段代码在做什么：

`z_emp = np.polyfit(range(1,MONTH+3), prelim['Company Count'][1:MONTH+3],1)
poly_emp = np.poly1d(z_emp)
z_att = np.polyfit(range(1,MONTH+3), prelim[f'''{ATTRIB} Count'''][1:MONTH+3],1)
poly_att = np.poly1d(z_att)
 `

具体来说，行：

z_emp = np.polyfit(range(1,MONTH+3), prelim['Company Count'][1:MONTH+3],1)

和

your text

z_att = np.polyfit(range(1,MONTH+3), prelim[f'''{ATTRIB} Count'''][1:MONTH+3],1)`

最初我将范围参数设置为“(range 1,MONTH+1)”和“{1:MONTH+1],1”, 这导致对实现目标所需的雇用人数的预测非常不准确。当我将 MONTH 值更改为“MONTH+2”或“MONTH +3”时，预测看起来更真实。

你能告诉我 polyfit 和 poly1d 函数和参数在做什么，以便我可以正确使用它们吗？