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。
' R# h: e0 B- F& g' [6 K) L# %%

1. import numpy as np
   # F! Q1 v. p# h5 [4 S
2. import pandas as pd: ^- g, k# P1 @3 L# L) C) _- ]
   
3. from sklearn.linear_model import LinearRegression
   , W7 o: W0 o  u/ f

复制代码

# %%

# 源数据

1. df = pd.DataFrame({. J- h' v; m6 ^8 s+ I* G
   
2.     'x1': [7, 1, 11, 11, 7, 11, 3],
   ) _% T% D) ^\" S% i/ [
3.     'x2': [26, 29, 56, 31, 52, 55, 71],
   \" P5 ^) a3 ~9 u1 @( {7 c( J
4.     'y': [78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7],) B1 h+ ]' u. h2 N( o
   
5. })
   4 [5 i* V! D2 l
6. 9 ~; p& @8 O6 U% Y& o  Z
   
7. X = np.array(df[['x1','x2']])
   * F% E7 }/ U: 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)
   + Z2 `$ ]\" |% N' I

复制代码

# %%
/ b3 S# U/ J3 k, e- D% U
9 i0 g8 U% s  H  i. `% q# 截距
  v9 z3 B4 ]- v! [  Mb0 = model.intercept_[0]

# 系数
b1, b2 = model.coef_[0]

print('y = {:.4f} + {:.4f}*x1 + {:.4f}*x2'.format(b0, b1,b2))
print('R_square =',model.score(X,y))
$ I; v0 i" W# v3 A7 g

! `& P6 T; q2 q3 [' Q0 h, T4 A. o2 B