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。
8 Z: t( V: z* ^8 D0 f# %%

1. import numpy as np  [: \2 y; z( B
   
2. import pandas as pd
   ! g5 F8 J6 [+ H5 y' I
3. from sklearn.linear_model import LinearRegression
   $ i  \! I. X+ k/ x+ e& T6 m

复制代码

# %%

- \; ^: s0 t; d" v; Y4 [: E/ `# 源数据

1. df = pd.DataFrame({\" T! u. p5 e6 M- r
   
2.     'x1': [7, 1, 11, 11, 7, 11, 3],% I' j, V/ V7 u) G& Z
   
3.     'x2': [26, 29, 56, 31, 52, 55, 71],
   ' f$ ?\" l' w: n2 f8 X/ }
4.     'y': [78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7],
   - g' j+ m5 c; T# b/ `. [. C
5. })
   3 |$ m; f' k' V/ @$ d1 E
6. 
   : y6 o2 x\" C; _$ t; C6 U
7. X = np.array(df[['x1','x2']])
   $ E* w2 x4 g* l2 s5 U/ B, y
8. y = np.array(df[['y']])

复制代码

# 多元线性回归模型

1. model = LinearRegression().fit(X, y). }% G* \/ R! {0 I8 O
   

复制代码

# %%

% p* G% k, D! W6 E9 s. \# 截距
b0 = model.intercept_[0]

1 e) z$ n/ q9 K# 系数
b1, b2 = model.coef_[0]
# D  v2 D' E* X) w
% S$ J8 c) ~: K6 ]3 }4 k8 Zprint('y = {:.4f} + {:.4f}*x1 + {:.4f}*x2'.format(b0, b1,b2))
print('R_square =',model.score(X,y))
" H. O8 W& L! O  j0 |5 S
9 [7 A  E$ ?' H/ H+ a9 W; f( ~, u
, Z5 S3 l5 j3 a7 ^