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 X/ G4 s2 M' G/ O1 @# Q3 G) n# %%

1. import numpy as np# O& P0 @# T+ i( }) ?
   
2. import pandas as pd( x( X/ C/ Q, H  o
   
3. from sklearn.linear_model import LinearRegression. }: h& r6 C8 T( K
   

复制代码

# %%
: f# Q& ?& F  ~0 P5 J! u
# 源数据

1. df = pd.DataFrame({
   % r3 E7 v0 I9 q7 j- t
2.     'x1': [7, 1, 11, 11, 7, 11, 3],( m8 b6 C( s5 o% p6 z7 z  u7 B
   
3.     'x2': [26, 29, 56, 31, 52, 55, 71],
   & W( N. _; L! i% D( b/ H
4.     'y': [78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7],; v2 g5 Z$ b1 ^4 n  U+ c
   
5. })
   . v. U2 b5 s* d, k7 L# O
6. 
   . Q/ L) J8 [; f1 y
7. X = np.array(df[['x1','x2']])% t4 y3 W+ g1 v3 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)
   % M( r4 r' f7 E6 U

复制代码

# %%
8 C, h% C: l  G6 V8 D7 F8 z4 D( @
# 截距
& x3 U. t, s6 o" G# v" u; gb0 = model.intercept_[0]
- ]5 [/ x% u* T) \
: F3 Z4 N0 x- G8 ]& X' R) _' G# 系数
" v$ i. u2 X; O* H$ M/ [% r& S$ db1, b2 = model.coef_[0]

1 H6 Q, L& g6 G! w4 Xprint('y = {:.4f} + {:.4f}*x1 + {:.4f}*x2'.format(b0, b1,b2))
print('R_square =',model.score(X,y))


2 \$ R& d) I9 D0 f) m8 R5 T( k& X