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。
$ N3 d  X: u$ T8 t9 G* A' g# %%

1. import numpy as np5 j6 O' w7 R  I$ }8 I( @& D8 W
   
2. import pandas as pd, O3 h. J; r4 r
   
3. from sklearn.linear_model import LinearRegression7 H; t9 X  s1 L1 H
   

复制代码

# %%
, o% D6 a9 g8 K" I, }* {1 {. J* k
# 源数据

1. df = pd.DataFrame({\" A. \/ ^! x8 F/ j
   
2.     'x1': [7, 1, 11, 11, 7, 11, 3],) m, ~9 \# [2 [! L- Z
   
3.     'x2': [26, 29, 56, 31, 52, 55, 71],
   . N+ S2 N6 @* A
4.     'y': [78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7],
   & |* K7 W2 b& a! V& L
5. }): a\" B+ k5 d3 p* H. ^( t3 d
   
6. ( y! q$ G- V7 R# L
   
7. X = np.array(df[['x1','x2']])
     `1 N# d& k6 X5 z- ?' A. T
8. y = np.array(df[['y']])

复制代码

# 多元线性回归模型

1. model = LinearRegression().fit(X, y)7 l\" L1 z+ ~+ T9 V4 W1 F
   

复制代码

# %%
" Z' z: W4 |; i1 ]
# 截距
# j2 ]$ N; x; v& ib0 = model.intercept_[0]

# 系数
b1, b2 = model.coef_[0]

print('y = {:.4f} + {:.4f}*x1 + {:.4f}*x2'.format(b0, b1,b2))
/ P, l3 J' H; iprint('R_square =',model.score(X,y))


0 e7 K# J/ N* z5 S