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。
9 o! V' {* k8 r5 ~% y2 D5 W5 |" l& H# %%

1. import numpy as np
   ( A, F$ g( l8 l+ r3 I, f9 N: ~* t. l
2. import pandas as pd7 f! @& G% B, x  q% Q
   
3. from sklearn.linear_model import LinearRegression
   2 q0 s& F\" _& M4 T/ T) l

复制代码

# %%
. o" \2 r" V+ V: B9 K" F* K' @
# 源数据

1. df = pd.DataFrame({8 Y* R% f\" s, g
   
2.     'x1': [7, 1, 11, 11, 7, 11, 3],7 F% ]1 w8 Y: B( M+ v
   
3.     'x2': [26, 29, 56, 31, 52, 55, 71],
   & I\" }1 Z* q2 d7 ]( L' e! s
4.     'y': [78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7],% s+ t$ ?: {& d$ M$ I
   
5. })\" i& {9 g- l' O2 ~' P: d& [' J2 T
   
6. 
   . O8 o& h7 L9 E7 Z
7. X = np.array(df[['x1','x2']])( W4 Z  K' q) l5 e+ J: i
   
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 Y+ g) L% O2 S4 `; s) ^\" |: f, b0 q: J7 e

复制代码

# %%
: x( s% Z/ e1 P8 G
' \# Y2 Q0 ~' [# 截距
b0 = model.intercept_[0]

* d/ \0 v  x4 ?7 |# 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))
1 t0 G5 \1 |1 E: ~* N
; J* b4 ]' x) q3 n/ H& n# c1 v" Z