对statsmodels库的整理可以与sklearn库的整理互相参考借鉴
简单线性回归
from sklearn import linear_model#导入所需要的包
lr=linear_model.LinearRegression()#指定模型
#再fit中指定自变量和响应变量，注意此处使用的是大写X和小写y
#由于sklearn接受的是numpy数组，所以又是需要处理数据，为了将dataframe传入sklearn。
predicted=lr.fit(X=tips['total_bill'].values.reshape(-1,1),y=tips['tip'])
print(predicted.coef_)#通过拟合模型的coef_属性来获得系数
print('----'*6)#输出横线以区分每一个输出
print(predicted.intercept_)#通过拟合模型的intercept_属性来得到截距
print('----'*6)
y_pre=lr.predict(tips['total_bill'][0:2].values.reshape(-1,1))#根据拟合的线性模型得到预测值
print(y_pre)#输出预测值
print(tips['tip'][0:2])#输出实际值进行比较
[0.10502452]
[2.70463616 2.00622312]
0 1.01
1 1.66
Name: tip, dtype: float64
多元线性回归
from sklearn import linear_model#导入所需要的包
lr=linear_model.LinearRegression()
predicted=lr.fit(X=tips[['total_bill','size']],y=tips['tip'])#传入多列时用列表传入
print(predicted.coef_)
print('----'*6)
print(predicted.intercept_)
`
[0.09271334 0.19259779]
[ 0.09448701 0.175992 0.03244094 0.08640832 0.1622592 0.04080082
0.13677854 -0.0681286 ]
Original: https://blog.csdn.net/qq_57099024/article/details/122324764
Author: 爱打羽毛球的小怪兽
Title: sklearn库——线性回归模型
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/600351/
转载文章受原作者版权保护。转载请注明原作者出处！