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- Z\" P/ N7 k* F4 r) s2 W\" I
   
2. import pandas as pd
     ^9 W8 i  b( V: v
3. from sklearn.linear_model import LinearRegression
   % m' B/ s\" A' c# n

复制代码

# %%
5 Z: d* x; B6 F3 j
0 C% u/ t& g  v# 源数据

1. df = pd.DataFrame({7 H/ `# z+ ]# V1 K
   
2.     'x1': [7, 1, 11, 11, 7, 11, 3],
   4 U8 m! p( Z. L1 j* s8 p
3.     'x2': [26, 29, 56, 31, 52, 55, 71],0 k! H+ v4 b7 Z
   
4.     'y': [78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7],
   $ @' N* K5 k1 L9 }
5. })
   ! _, C  v4 J) f( l3 j2 l
6. ! L1 Q! y4 d; J% D
   
7. X = np.array(df[['x1','x2']]): s) @; v% \( 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)! |1 o# E9 x6 x1 ?( ?% g- k) K- i
   

复制代码

# %%

# 截距
9 S1 v+ Q/ K/ U6 H3 sb0 = model.intercept_[0]
9 b. t( \5 z9 b8 R8 _
, C4 A5 y0 w( O' P4 D* G' C# 系数
* G& V4 q' T8 i  j# Yb1, b2 = model.coef_[0]
. b' i* ~9 _8 @
! v9 s4 v: h/ o+ Kprint('y = {:.4f} + {:.4f}*x1 + {:.4f}*x2'.format(b0, b1,b2))
0 U0 ~1 v7 ?5 d/ _( I' R0 M8 uprint('R_square =',model.score(X,y))
4 L& \8 v" U" |
% ]7 U: |. U3 |+ f