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。
7 R. L1 b4 e4 z# %%

1. import numpy as np
   $ @& h, w' M+ X+ c% w7 m3 @8 e
2. import pandas as pd2 a+ U9 G# @( \  t
   
3. from sklearn.linear_model import LinearRegression
   ( ~0 n8 Y7 b2 b% p  y

复制代码

# %%
. |8 ^, _/ E) y' B  z, J7 x
# 源数据

1. df = pd.DataFrame({
   $ f( V+ N' o* _# Q
2.     'x1': [7, 1, 11, 11, 7, 11, 3],9 \# t) t2 b  I6 s7 S\" E
   
3.     'x2': [26, 29, 56, 31, 52, 55, 71],' g& }4 w! ^8 ~: u, O% Q+ V; U( l
   
4.     'y': [78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7],, n1 z# j9 D# {! g9 Z! O
   
5. }); i% v6 R3 C* I! B
   
6. ) k/ e. s, l! _+ h; y( M0 z# _
   
7. X = np.array(df[['x1','x2']])
   + Z) w9 x6 U\" w\" c% }( ]0 Z
8. y = np.array(df[['y']])

复制代码

# 多元线性回归模型

1. model = LinearRegression().fit(X, y)
     a' i/ x' C+ [

复制代码

# %%

# 截距
) o# p$ i: R6 x/ X/ pb0 = model.intercept_[0]

% M* M* R* j+ d. W0 j0 R/ u( o# 系数
- ]1 ?9 G* W0 e2 |2 V% _$ \" a# Z8 ib1, b2 = model.coef_[0]
# ]2 v0 n/ y$ _/ @: V8 f: c8 E" q- ]" i
print('y = {:.4f} + {:.4f}*x1 + {:.4f}*x2'.format(b0, b1,b2))
; L: X6 |# e9 m8 [7 fprint('R_square =',model.score(X,y))
( e7 M) o" I, l  O( Z
/ D9 |2 X# a! a+ {! D