数学建模社区-数学中国

标题: 使用 sklearn 进行多元线性回归 [打印本页]
作者: 2744557306    时间: 2024-3-15 17:09
标题: 使用 sklearn 进行多元线性回归
多元线性回归是一种强大的统计方法，适用于探索多个自变量与因变量之间的复杂关系，并进行预测和解释。6 `( K5 }& d6 t
# %%
  1. import numpy as np) \, ~4 |+ b) x4 a4 i
  2. import pandas as pd8 \6 O5 w4 q8 u( ?. M
  3. from sklearn.linear_model import LinearRegression- ]+ P$ F9 L8 R. T3 c; o: d
复制代码
# %%
2 e. r( C: ~  p# y# ]. a0 C7 @+ M$ ~' B
# 源数据
  1. df = pd.DataFrame({# N; h. v7 \  i0 ^  o
  2.     'x1': [7, 1, 11, 11, 7, 11, 3],' }% _5 p# D- w( `4 U& W
  3.     'x2': [26, 29, 56, 31, 52, 55, 71],) {2 D! R1 k  V2 _3 O# `
  4.     'y': [78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7],; Y# k" ^" u; k3 W$ h
  5. })0 i# U. Y4 ]4 K4 j- y
  6. . @  B8 {0 h4 y* t. x+ k
  7. X = np.array(df[['x1','x2']]): n. H. e( k- w  K) ?
  8. y = np.array(df[['y']])
复制代码
# 多元线性回归模型
  1. model = LinearRegression().fit(X, y)% ^; V& E7 w, v/ M9 A
复制代码
# %%( R& i0 E8 M! E4 ]( q* s( l

- l. n1 U$ E  A" w2 r1 Y# 截距
1 R) H7 V# _3 u4 _b0 = model.intercept_[0]0 P2 K$ ?/ G1 w) `
* P6 G! _0 Z. K* ~
# 系数, d$ T! o; G9 y
b1, b2 = model.coef_[0]
9 e! `3 R* K4 g0 l) a' C8 u7 S) a* A/ x1 X- a6 a5 z8 X. b! ^2 p
print('y = {:.4f} + {:.4f}*x1 + {:.4f}*x2'.format(b0, b1,b2))- {# q0 _* _8 G5 Y  {  j
print('R_square =',model.score(X,y))
% E4 ?& i  W! X; u5 W# ~; Q+ g! N# n% y* Z3 y

6 M# a- J+ {, _7 v5 R* B9 f5 N

12.mul_linear_regression_sklearn.py

704 Bytes, 下载次数: 0, 下载积分: 体力 -2 点

售价: 2 点体力  [记录]  [购买]





欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5