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# k- d* e+ ?1 H9 ]! H1 c2 h( a
   
2. import pandas as pd
   , K' i; r) i! _+ U
3. from sklearn.linear_model import LinearRegression. }+ `# h) c0 W7 c
   

复制代码

# %%
1 c$ H9 ]2 ]2 }
; @) s3 U8 B; S( o* g( o  `# 源数据

1. df = pd.DataFrame({# b& K, ~, {/ _$ |- k1 {! ~# M
   
2.     'x1': [7, 1, 11, 11, 7, 11, 3],  A$ _7 X- p. S\" K
   
3.     'x2': [26, 29, 56, 31, 52, 55, 71],\" g, U+ ^7 B& D9 f+ P- M2 G$ s9 N
   
4.     'y': [78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7],
   ) i7 B/ W# c: j8 g3 Q
5. })3 b, L- k& D0 t1 b3 o$ B
   
6. 
   % h5 [! p. ^0 N6 J2 ?
7. X = np.array(df[['x1','x2']])
   2 k* z' P8 G2 G\" e
8. y = np.array(df[['y']])

复制代码

# 多元线性回归模型

1. model = LinearRegression().fit(X, y)
   3 z7 Q\" y: M+ O# E5 E

复制代码

# %%
3 F4 `6 R( x- ~' N
3 j! S) ^4 m; x, y$ q# 截距
# H; d! j$ L' D2 b" f3 [5 [$ Qb0 = model.intercept_[0]
9 J# |% x7 T% ~$ D7 x/ m
# 系数
! K: T+ @* t& a7 a$ p/ yb1, b2 = model.coef_[0]
; x% \0 w& ?7 o" t7 w8 a
5 z" e; F* u6 b" cprint('y = {:.4f} + {:.4f}*x1 + {:.4f}*x2'.format(b0, b1,b2))
4 j: g( [4 R# s) [! Oprint('R_square =',model.score(X,y))

+ z$ x# X! W5 P0 [/ Q  n
! Q: e* r$ B8 |( U1 t