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 np2 G8 ]' V, E0 J/ g* W4 d: Y3 K; H
   
2. import pandas as pd% {. ^; v2 H9 [+ W
   
3. from sklearn.linear_model import LinearRegression# y$ H8 x) o3 z\" t# ~6 }\" w
   

复制代码

# %%
8 q; R+ a) x5 n! j4 ^& d/ b
  a- n, M: ]% t' f# 源数据

1. df = pd.DataFrame({* V4 M. J$ }( \  T
   
2.     'x1': [7, 1, 11, 11, 7, 11, 3],
   % d$ t$ |* G0 U$ }5 c4 |2 @
3.     'x2': [26, 29, 56, 31, 52, 55, 71],! `\" B( l& E& z\" l) J
   
4.     'y': [78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7],% }- J- q4 ]+ Z$ H4 h5 g  }4 c
   
5. })/ G/ P3 ?1 M  F; j# N! h6 D
   
6. 
   * _/ K. r2 h% O/ |
7. X = np.array(df[['x1','x2']])
   6 w0 `. x2 Q5 v: O) q/ J
8. y = np.array(df[['y']])

复制代码

# 多元线性回归模型

1. model = LinearRegression().fit(X, y)
   ) Q, f4 G/ n+ m3 b9 P% g9 x1 @

复制代码

# %%

" p; L0 J+ N* U! m& T# 截距
' i3 D! N6 p, L4 A8 W  xb0 = model.intercept_[0]
+ _  w0 m) b. x/ h1 _
# 系数
b1, b2 = model.coef_[0]
3 [+ `8 b8 X; ^& c
print('y = {:.4f} + {:.4f}*x1 + {:.4f}*x2'.format(b0, b1,b2))
print('R_square =',model.score(X,y))
+ o/ I. }4 B# U! J5 R  u
3 t0 ~6 [) o7 F
7 H& O, k& y8 |2 P