使用 sklearn 进行多元线性回归

[复制链接]

字体大小: 正常放大

2744557306

1186 主题	4 听众	2922 积分

该用户从未签到

电梯直达

1^#

发表于 2024-3-15 17:09 |只看该作者 |倒序浏览

|招呼Ta 关注Ta

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。
# %%

import numpy as np
8 t\" p\" @\" y+ V- P: F, w/ W5 E
import pandas as pd
, ?! q# R0 b. }) K% W7 y* X/ t
from sklearn.linear_model import LinearRegression
: j* d8 ?; h- X5 U3 n5 |4 `. u

复制代码

# %%

# 源数据

df = pd.DataFrame({/ A1 n! i2 F0 x1 W
'x1': [7, 1, 11, 11, 7, 11, 3],# {# c2 l' n8 Y+ y3 ~+ X m
'x2': [26, 29, 56, 31, 52, 55, 71],
) p. Z( i8 V. T$ d
'y': [78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7], ~+ M2 u9 Y$ ?- g
})/ z9 J9 l. Z. a; h
% V- {& S6 n7 E1 j
X = np.array(df[['x1','x2']])
4 H% u! n% T+ r: R! r8 ]& | E
y = np.array(df[['y']])

复制代码

# 多元线性回归模型

model = LinearRegression().fit(X, y), o0 W I; `0 Z( G\" i

复制代码

# %%

# 截距
b0 = model.intercept_[0]

# 系数
b1, b2 = model.coef_[0]

print('y = {:.4f} + {:.4f}*x1 + {:.4f}*x2'.format(b0, b1,b2))
print('R_square =',model.score(X,y))