Python 中的多重回歸 | Python 回歸 結果
本教程演示瞭如何在python 中執行多元線性迴歸。
... summary() 函式允許我們列印迴歸的結果和係數。
R-Squared 和 Adjusted R-Squared 告訴我們迴歸 ...Python貼士在Python中遍歷列表Python二叉搜尋Python中的巢狀字典在Python中列印矩陣如何在Python中將字元轉換為整數以及整數轉換為字元reportthisad貼士文章Python貼士Python中的多重回歸使用statsmodel.api模組在Python中執行多元線性迴歸使用numpy.linalg.lstsq在Python中執行多元線性迴歸使用scipy.curve_fit()方法在Python中執行多元線性迴歸本教程將討論多元線性迴歸以及如何在Python中實現它。
多元線性迴歸是一種模型，它通過在它們之間擬合線性迴歸方程來計算兩個或兩個以上變數與單個響應變數之間的關係。
它有助於估計因變數之間的依賴性或變化對自變數的變化。
在標準多元線性迴歸中，同時考慮所有自變數。
使用statsmodel.api模組在Python中執行多元線性迴歸Python中的statsmodel.api模組配備了實現線性迴歸的函式。
我們將使用OLS()函式，它執行普通的最小二乘迴歸。
我們可以使用pandas模組匯入資料集，也可以建立我們自己的虛擬資料來執行多元迴歸。
我們將因變數和自變數分叉以在這些變數之間應用線性迴歸模型。
我們使用OLS()函式建立迴歸模型。
然後，我們在這個函式中傳遞自變數和因變數，並使用fit()函式擬合這個模型。
在我們的示例中，我們建立了一些陣列來演示多元迴歸。
請參閱下面的程式碼。
importstatsmodels.apiassmimportnumpyasnpy=[1,2,3,4,3,4,5,3,5,5,4,5,4,5,4,5,6,0,6,3,1,3,1]X=[[0,2,4,1,5,4,5,9,9,9,3,7,8,8,6,6,5,5,5,6,6,5,5],[4,1,2,3,4,5,6,7,5,8,7,8,7,8,7,8,6,8,9,2,1,5,6],[4,1,2,5,6,7,8,9,7,8,7,8,7,4,3,1,2,3,4,1,3,9,7]]defreg_m(y,x):ones=np.ones(len(x[0]))X=sm.add_constant(np.column_stack((x[0],ones)))foreleinx[1:]:X=sm.add_constant(np.column_stack((ele,X)))results=sm.OLS(y,X).fit()returnresultsprint(reg_m(y,x).summary())輸出：OLSRegressionResults==============================================================================Dep.Variable:yR-squared:0.241Model:OLSAdj.R-squared:0.121Method:LeastSquaresF-statistic:2.007Date:Wed,16Jun2021Prob(F-statistic):0.147Time:23:57:15Log-Likelihood:-40.810No.Observations:23AIC:89.62DfResiduals:19BIC:94.16DfModel:3CovarianceType:nonrobust==============================================================================coefstderrtP>|t|[0.0250.975]------------------------------------------------------------------------------x1-0.02870.135-0.2130.834-0.3110.254x20.26840.1601.6780.110-0.0660.603x30.13390.1600.8390.412-0.2000.468const1.51230.9861.5340.142-0.5513.576=========================================================
... summary() 函式允許我們列印迴歸的結果和係數。
R-Squared 和 Adjusted R-Squared 告訴我們迴歸 ...Python貼士在Python中遍歷列表Python二叉搜尋Python中的巢狀字典在Python中列印矩陣如何在Python中將字元轉換為整數以及整數轉換為字元reportthisad貼士文章Python貼士Python中的多重回歸使用statsmodel.api模組在Python中執行多元線性迴歸使用numpy.linalg.lstsq在Python中執行多元線性迴歸使用scipy.curve_fit()方法在Python中執行多元線性迴歸本教程將討論多元線性迴歸以及如何在Python中實現它。
多元線性迴歸是一種模型，它通過在它們之間擬合線性迴歸方程來計算兩個或兩個以上變數與單個響應變數之間的關係。
它有助於估計因變數之間的依賴性或變化對自變數的變化。
在標準多元線性迴歸中，同時考慮所有自變數。
使用statsmodel.api模組在Python中執行多元線性迴歸Python中的statsmodel.api模組配備了實現線性迴歸的函式。
我們將使用OLS()函式，它執行普通的最小二乘迴歸。
我們可以使用pandas模組匯入資料集，也可以建立我們自己的虛擬資料來執行多元迴歸。
我們將因變數和自變數分叉以在這些變數之間應用線性迴歸模型。
我們使用OLS()函式建立迴歸模型。
然後，我們在這個函式中傳遞自變數和因變數，並使用fit()函式擬合這個模型。
在我們的示例中，我們建立了一些陣列來演示多元迴歸。
請參閱下面的程式碼。
importstatsmodels.apiassmimportnumpyasnpy=[1,2,3,4,3,4,5,3,5,5,4,5,4,5,4,5,6,0,6,3,1,3,1]X=[[0,2,4,1,5,4,5,9,9,9,3,7,8,8,6,6,5,5,5,6,6,5,5],[4,1,2,3,4,5,6,7,5,8,7,8,7,8,7,8,6,8,9,2,1,5,6],[4,1,2,5,6,7,8,9,7,8,7,8,7,4,3,1,2,3,4,1,3,9,7]]defreg_m(y,x):ones=np.ones(len(x[0]))X=sm.add_constant(np.column_stack((x[0],ones)))foreleinx[1:]:X=sm.add_constant(np.column_stack((ele,X)))results=sm.OLS(y,X).fit()returnresultsprint(reg_m(y,x).summary())輸出：OLSRegressionResults==============================================================================Dep.Variable:yR-squared:0.241Model:OLSAdj.R-squared:0.121Method:LeastSquaresF-statistic:2.007Date:Wed,16Jun2021Prob(F-statistic):0.147Time:23:57:15Log-Likelihood:-40.810No.Observations:23AIC:89.62DfResiduals:19BIC:94.16DfModel:3CovarianceType:nonrobust==============================================================================coefstderrtP>|t|[0.0250.975]------------------------------------------------------------------------------x1-0.02870.135-0.2130.834-0.3110.254x20.26840.1601.6780.110-0.0660.603x30.13390.1600.8390.412-0.2000.468const1.51230.9861.5340.142-0.5513.576=========================================================