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; {3 y' C% e- P. y2 p$ C! ~. W
   
2. import pandas as pd
     s9 r/ W3 L8 c: j4 E) w
3. from sklearn.linear_model import LinearRegression
   ! s; a* J0 x* \! t0 h. r  c

复制代码

# %%
6 [" ~- s. q7 x5 R
5 v- N# ?; Y; N1 _7 L9 B5 w# 源数据

1. df = pd.DataFrame({+ `( N$ K2 s* F: P2 c7 O3 S
   
2.     'x1': [7, 1, 11, 11, 7, 11, 3],2 d# z1 t' z' M& W4 Q( D9 y9 d
   
3.     'x2': [26, 29, 56, 31, 52, 55, 71],
   6 W& D: O; c( N0 z# ^- E( e. u
4.     'y': [78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7],
   ! Z' O4 `7 h( d0 j( c
5. })
   3 @- O8 e! v+ b2 M
6. 
     s* e5 m3 }2 Z5 a- u- W7 r
7. X = np.array(df[['x1','x2']])/ A  T( _) n: ]3 M: B5 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)$ C6 U7 o; _* Q6 A8 E$ m
   

复制代码

# %%
8 A5 P' P2 i6 Z/ R/ e! r
. A/ h( o0 W& D* _# 截距
b0 = model.intercept_[0]

$ U& L$ g0 ~# J* E1 k. x6 ~# 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))


; D. ?8 p) ~2 A5 W# G+ g) ~' L