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。
# %%

1. import numpy as np
   $ S$ Z) x) n( X, O
2. import pandas as pd
   \" I) e% ^! G  E) ~8 c% m( u; I; H) V
3. from sklearn.linear_model import LinearRegression
   9 u/ l  f% u2 x; |( K& w1 z) v/ h7 `& h

复制代码

# %%

# 源数据

1. df = pd.DataFrame({& g  O6 h& D4 I& V; n  E7 d
   
2.     'x1': [7, 1, 11, 11, 7, 11, 3],1 Y1 {0 x8 ?: }  S& i7 z& C0 G
   
3.     'x2': [26, 29, 56, 31, 52, 55, 71],4 `1 u- R& n. _5 C* M
   
4.     'y': [78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7],
   - A2 o2 u( `9 w( ~# H8 c7 f/ W
5. })
   + ^! v. f5 y3 s! ~
6. 
   3 [3 B; @3 }6 N+ A
7. X = np.array(df[['x1','x2']])
   / n$ B; f( S3 k4 T( i
8. y = np.array(df[['y']])

复制代码

# 多元线性回归模型

1. model = LinearRegression().fit(X, y)* K9 b6 A5 S# L
   

复制代码

# %%
1 }* ?. F. z$ V8 q0 d
4 m4 g1 [/ |9 g# 截距
b0 = model.intercept_[0]

# 系数
' c  e1 R5 i7 |b1, b2 = model.coef_[0]

print('y = {:.4f} + {:.4f}*x1 + {:.4f}*x2'.format(b0, b1,b2))
: v/ W3 d3 {/ ~print('R_square =',model.score(X,y))
$ p. R( I1 z1 E8 g1 x
$ j1 K4 i. |! _- D- c! I. h