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
   5 e- J7 t7 b2 }
2. import pandas as pd
   , t  ?6 B; B* v3 e9 I( [& V
3. from sklearn.linear_model import LinearRegression
   \" @2 F3 y\" V3 Q

复制代码

# %%

, O' X, y& X& ~# h* [' {, J% E, P& h8 w# 源数据

1. df = pd.DataFrame({
   - n' t: h& W2 r
2.     'x1': [7, 1, 11, 11, 7, 11, 3],
   0 O# T' V8 U9 r
3.     'x2': [26, 29, 56, 31, 52, 55, 71],
   \" `  d, r5 j. n; e) l
4.     'y': [78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7],5 W$ A/ S! p, }$ ]* @; V; Y1 ~
   
5. })
   : o+ H* l* p5 p\" L& E) Q6 o
6. 
   $ J8 y( ^$ r/ K9 L
7. X = np.array(df[['x1','x2']])
   + `9 n* z9 G& m' r0 i0 b; {' L  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)8 i6 }\" k3 W8 u2 G6 m
   

复制代码

# %%
5 n' i& m8 L  ?7 e. H9 {
# 截距
b0 = model.intercept_[0]
. v) T+ \8 D! J, w
1 B' c6 _# w: M3 l4 F4 D/ Y# 系数
b1, b2 = model.coef_[0]

1 k3 E3 q% l9 @% U' x, Gprint('y = {:.4f} + {:.4f}*x1 + {:.4f}*x2'.format(b0, b1,b2))
3 V4 X* U" M& F: I2 t' uprint('R_square =',model.score(X,y))

* _- J% M1 k  p+ e, Y