使用 sklearn 进行多元线性回归

2744557306

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。
- M8 o6 d4 @$ }0 G9 i# %%

1. import numpy as np3 q7 ]( T) s, i& B$ O
   
2. import pandas as pd9 B* f4 J' K' x0 b
   
3. from sklearn.linear_model import LinearRegression
   # f4 ^4 u; U# N4 j9 p

复制代码

# %%
: k  F  X, _% M0 ^
# 源数据

1. df = pd.DataFrame({7 z7 e# x6 O& S# L
   
2.     'x1': [7, 1, 11, 11, 7, 11, 3],# c4 [: f. X, s. c' s5 i
   
3.     'x2': [26, 29, 56, 31, 52, 55, 71],
   , Y4 T; ^% E0 f
4.     'y': [78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7],  q: u! u& a4 d4 ^- h, T) M
   
5. })
   , Y, l2 r4 y  C; |$ t
6. 
   7 \. Z$ `+ U' v  l' K
7. X = np.array(df[['x1','x2']])
   0 P, @- i( r- g3 M: y5 D\" o
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% }* x' J* [  u' G% n# G* R4 z. M* l

复制代码

# %%

3 G+ W$ v: @, r- w, ^* B0 A# 截距
b0 = model.intercept_[0]

# 系数
b1, b2 = model.coef_[0]
0 e0 V+ m) D4 w3 c
print('y = {:.4f} + {:.4f}*x1 + {:.4f}*x2'.format(b0, b1,b2))
' P" c+ D( S5 r8 }" Uprint('R_square =',model.score(X,y))