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
   & X0 B6 x- o# p) S/ n$ ~
2. import pandas as pd
   ) P; w; H  N: M
3. from sklearn.linear_model import LinearRegression8 E) A: M& c, p- l3 N
   

复制代码

# %%

  f% i/ {) ]! o$ o* K0 ]# 源数据

1. df = pd.DataFrame({4 j# x2 y4 h0 @% Y  Y
   
2.     'x1': [7, 1, 11, 11, 7, 11, 3],
   8 @% k% w$ U# I4 T+ `
3.     'x2': [26, 29, 56, 31, 52, 55, 71],
   + i$ H1 Z0 r9 j0 H' l
4.     'y': [78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7],\" D* e- g5 W$ t\" G& R0 ?
   
5. })
   ( \3 d; j6 V2 V
6. 0 E7 u  l$ y3 l& j
   
7. X = np.array(df[['x1','x2']])
   ' ~* J8 O9 [) f9 ?! X
8. y = np.array(df[['y']])

复制代码

# 多元线性回归模型

1. model = LinearRegression().fit(X, y)
   - e4 m) o, o4 ?. R( b

复制代码

# %%
; U$ W6 S& O  A* l. r# O  @0 N
# 截距
- w6 L: P% t6 q# i0 y& S* u, Fb0 = model.intercept_[0]

4 i! ?7 U, o7 |+ U  t4 Z# 系数
7 U3 s5 J& N- ~7 nb1, b2 = model.coef_[0]

print('y = {:.4f} + {:.4f}*x1 + {:.4f}*x2'.format(b0, b1,b2))
# I, f$ K3 ]) K  K# pprint('R_square =',model.score(X,y))
0 y4 K$ ~6 o' M: [
- T  i0 d  y* V