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。
) Y( h/ x. b% \5 M6 f: K1 x+ }6 E# %%

1. import numpy as np8 `; x3 W% l$ i+ o# T( U
   
2. import pandas as pd
   ( \+ s* `1 [* W\" V
3. from sklearn.linear_model import LinearRegression. b% k\" n# @& n  N+ J8 k
   

复制代码

# %%

# 源数据

1. df = pd.DataFrame({/ r/ y1 a; q( q( n6 `9 x
   
2.     'x1': [7, 1, 11, 11, 7, 11, 3],
   ! E\" ?0 }5 X& G# q! l
3.     'x2': [26, 29, 56, 31, 52, 55, 71],. N% c0 `0 J* ]7 @
   
4.     'y': [78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7],4 p! R( x( r2 ?+ v  E) {; T* M
   
5. })
   ! G6 J, _* G5 G
6. 
   1 l* h$ K; X1 q3 f
7. X = np.array(df[['x1','x2']])
   8 J5 {% _7 H# ?
8. y = np.array(df[['y']])

复制代码

# 多元线性回归模型

1. model = LinearRegression().fit(X, y)\" q1 F1 |0 r7 m) y
   

复制代码

# %%
- e+ ^$ R$ m/ S0 E# T% _2 C% f0 m# v
# 截距
) ?; G" l+ z, o( |b0 = model.intercept_[0]
  d1 T0 k8 V+ ^; U$ ^9 |. |' K
2 }; l3 U& E+ n/ ~# w# m* _# 系数
4 N/ g/ o4 [7 B, E1 ?" b% [; _b1, b2 = model.coef_[0]

! x9 m/ q4 G5 P. h/ p( N( zprint('y = {:.4f} + {:.4f}*x1 + {:.4f}*x2'.format(b0, b1,b2))
print('R_square =',model.score(X,y))

7 T6 w& b: z# g" ]5 i1 P
$ c) A. a  |1 S7 N5 l1 k* n- m- R