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。
5 p! e9 A: N4 n/ E0 G; d# %%

1. import numpy as np
   + i' U) ?& W, y7 g  k\" o
2. import pandas as pd
   & H, ~\" d% O5 ^5 e, I1 v+ F
3. from sklearn.linear_model import LinearRegression
   $ K, n. @1 r% H/ v8 D

复制代码

# %%
! i4 K8 L1 U. |# n
# 源数据

1. df = pd.DataFrame({# `\" i/ R, k6 K; r2 |% Y
   
2.     'x1': [7, 1, 11, 11, 7, 11, 3],4 `/ D7 Z' p\" Q2 r. Y' }
   
3.     'x2': [26, 29, 56, 31, 52, 55, 71],; ]7 y) |1 F  }. d
   
4.     'y': [78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7],) ?\" O( C% G7 H- k; _\" K\" a
   
5. })
   2 {. l9 i0 S  i
6. / y5 n4 s\" M* f3 f( D+ e\" j
   
7. X = np.array(df[['x1','x2']])6 ~/ G) }: `2 |* ?7 T) d
   
8. y = np.array(df[['y']])

复制代码

# 多元线性回归模型

1. model = LinearRegression().fit(X, y); H& \  E& E8 o\" s\" q) F
   

复制代码

# %%
$ w% y- l5 {7 W) z
# 截距
  X3 `9 [0 v6 r/ K* Jb0 = model.intercept_[0]

) q- J3 J8 a- w% ?( ^5 f1 P  i$ ?# 系数
# n: F- J* x, @0 E/ y5 X/ Kb1, b2 = model.coef_[0]
' E& c& w1 P% w# g4 }
, X0 ?0 R: ]" e, P8 q+ D7 jprint('y = {:.4f} + {:.4f}*x1 + {:.4f}*x2'.format(b0, b1,b2))
print('R_square =',model.score(X,y))
% ?# M' q! M" b5 H
6 Q. u, p  M8 X0 x0 _9 r  h