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。
* e. N6 J& ?- f/ }) }8 c: H0 B# %%

1. import numpy as np' Z$ \/ o. T- m4 }7 \4 H. E: B9 m
   
2. import pandas as pd
   6 P\" M0 b: j, g' V& g5 |; Q* |
3. from sklearn.linear_model import LinearRegression0 z4 @% _# C0 t\" O
   

复制代码

# %%

0 }* h8 E; ^$ }) ~/ s! D- _# 源数据

1. df = pd.DataFrame({( B  s# J1 L* ~; L& W. |
   
2.     'x1': [7, 1, 11, 11, 7, 11, 3],
   ( _+ {: d0 b) @* Y/ ?$ E, Q
3.     'x2': [26, 29, 56, 31, 52, 55, 71],! s- o\" U' N9 J* S9 y* K2 t7 R. E2 k
   
4.     'y': [78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7],
   # p# h. o$ d  k
5. })/ x, W: e$ Q9 t! N( d! Z
   
6. 
   \" p9 q* j' S& J8 }5 c
7. X = np.array(df[['x1','x2']])% [8 {: X  D# C+ h; r& z3 a# k
   
8. y = np.array(df[['y']])

复制代码

# 多元线性回归模型

1. model = LinearRegression().fit(X, y)
   2 }) j5 D' a$ m5 C

复制代码

# %%
/ E$ X7 _1 L7 k6 q4 }& l* u
# 截距
b0 = model.intercept_[0]

0 f! |) e2 y3 S9 _0 Q# 系数
# E7 x  V6 n/ F# h3 T, f. s& Zb1, b2 = model.coef_[0]

' h: r. E7 M# z& E; }print('y = {:.4f} + {:.4f}*x1 + {:.4f}*x2'.format(b0, b1,b2))
print('R_square =',model.score(X,y))

, H1 }+ o8 Q; U$ w+ W+ ?
. u; H: e! s  }