数学建模社区-数学中国

标题: 使用 statsmodels 进行多元线性回归 [打印本页]
作者: 2744557306    时间: 2024-3-15 17:15
标题: 使用 statsmodels 进行多元线性回归
statsmodels 是一个 Python 库，用于拟合统计模型、进行统计测试和探索数据。它提供了广泛的统计方法和模型，包括线性模型、广义线性模型、时间序列分析、非参数方法等。[size=0.85em]statsmodels 的优点之一是提供了丰富的结果摘要和统计诊断，有助于解释和理解模型的性能。1 g, T6 W, Q1 r$ I/ ]+ j. C
下面代码利用了 statsmodels 库中的 ols 函数来进行最小二乘拟合，然后输出了模型的摘要信息。让我解释一下：
, S& u' g2 q2 J% l0 i) v4 ?( _
9 ]3 R; D& W6 q9 m3 D8 h1.导入所需库：
  1.    import numpy as np
      F9 `. g% _) _( y+ v% y: N5 P
  2.    import pandas as pd
    , B1 b/ Z! r( Q: N+ m! B( t
  3.    from statsmodels.formula.api import ols
复制代码
2.定义源数据：
  1.    dic = {
    9 h3 O; e& d) a# _
  2.        'x1': [7, 1, 11, 11, 7, 11, 3],
    ; N* j2 K! D: Q2 {" Q- B% W" U
  3.        'x2': [26, 29, 56, 31, 52, 55, 71],6 n+ R+ C7 ~: c9 k+ G; V
  4.        'y': [78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7]," X0 P# B9 V, F6 q6 v" R5 O/ l
  5.    }
复制代码
3.建立最小二乘拟合模型：
  1.    model = ols('y~x1+x2', dic).fit()
复制代码
使用 ols 函数指定了模型的公式 y~x1+x2，表示因变量 y 与自变量 x1 和 x2 之间的线性关系，并利用源数据 dic 进行了最小二乘拟合。
+ `& v0 I7 {: v
* N2 ?* m5 Z& y4 m) e5 B7 [4.输出模型摘要：
  1. model.summary()
复制代码
调用 summary() 方法输出了模型的摘要信息，包括参数估计、标准误差、置信区间、显著性检验、拟合优度等。2 W+ c: N) U1 K; O% h1 o
通过这段代码，你可以方便地利用 statsmodels 进行统计模型的拟合和分析，并快速获取模型的详细摘要信息。
: I: I0 s  f- {  P3 l* j* X; P6 Y+ i6 d- |" \) y

  d. b- b8 \* o1 Y4 ]" t$ O

12.mul_linear_regression_statsmodels.py

491 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