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 np9 j7 E. \0 ?\" N
   
2. import pandas as pd
   4 A% X5 _9 Y5 {1 I- t2 E. V  |  g
3. from sklearn.linear_model import LinearRegression
   : y& W8 ^' F) w# H4 U/ Z9 A

复制代码

# %%

, v# s2 g; g- |% C8 t  }% y# 源数据

1. df = pd.DataFrame({) [% I2 I6 F1 i# K9 W% w
   
2.     'x1': [7, 1, 11, 11, 7, 11, 3],; k& N% l6 J: V: J' w, O. c
   
3.     'x2': [26, 29, 56, 31, 52, 55, 71],
   5 g3 R( I7 L9 V  t; Z/ Q7 z& X
4.     'y': [78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7],
   , z! ^) j# ~! y
5. })
   ' c( {1 A* A( j; S6 w
6. 
   \" w1 a' ?! ]$ y: B/ X8 i
7. X = np.array(df[['x1','x2']])
   3 Z, a2 v3 ?  |! y; W
8. y = np.array(df[['y']])

复制代码

# 多元线性回归模型

1. model = LinearRegression().fit(X, y)
   ! ?9 F' D$ U8 R

复制代码

# %%
$ }/ J2 `3 o4 V& m( s
9 ?! B2 N0 A% v' U; f$ h5 A8 G% }# 截距
* e& c8 _; E! p* w6 A' g0 Tb0 = model.intercept_[0]

# 系数
; `5 ^; Y' h4 y& J1 v& lb1, b2 = model.coef_[0]

6 [0 }/ n! |9 n" {print('y = {:.4f} + {:.4f}*x1 + {:.4f}*x2'.format(b0, b1,b2))
4 i% G1 j* F) Zprint('R_square =',model.score(X,y))

8 O: O: Q; ~: Q  I1 _5 o2 h5 A9 L
% u& i1 J8 G3 j1 m& P9 [: e" E