python中回归分析的算法_python爬虫教程

激活谷笔记 • 2025-01-14 15:28 • 阅读 122

在Python中，可以使用多个库来进行回归建模，例如`scikit-learn`、`TensorFlow`和`PyTorch`。下面我将分别介绍如何使用`scikit-learn`库进行一线性回归和多线性回归，以及如何使用`statsmodels`库进行多线性回归。

一线性回归

 导入所需的库 from sklearn.linear_model import LinearRegression import numpy as np 创建训练数据 X = np.array（[, , , , ]） y = np.array（[2, 4, 6, 8, 10]） 创建线性回归模型 model = LinearRegression（） 训练模型 model.fit（X, y） 打印模型的参数 print（"斜率：", model.coef_） print（"截距：", model.intercept_） 预测新数据 X_new = np.array（[]） y_pred = model.predict（X_new） print（"预测值：", y_pred）

多线性回归

使用`statsmodels`库

 import numpy as np import pandas as pd import statsmodels.api as sm 创建一个包含自变量和因变量的DataFrame data = { 'X1': [1, 2, 3, 4, 5], 'X2': [2, 4, 6, 8, 10], 'Y': [3, 5, 7, 9, 11] } df = pd.DataFrame（data） 添加常数列 df['const'] = 1 拟合多线性回归模型 model = sm.OLS（df['Y'], df[['const', 'X1', 'X2']]）.fit（） 输出回归系数和统计信息 print（model.summary（））

使用`scikit-learn`库

 from sklearn.linear_model import LinearRegression from sklearn.model_selection import train_test_split 创建自变量和因变量的数组 X = np.array（[[1, 2], [2, 4], [3, 6], [4, 8], [5, 10]]） Y = np.array（[3, 5, 7, 9, 11]） 划分训练集和测试集 X_train, X_test, Y_train, Y_test = train_test_split（X, Y, test_size=0.2, random_state=42） 创建模型 model = LinearRegression（） 训练模型 model.fit（X_train, Y_train） 预测测试集 y_pred = model.predict（X_test） 输出回归系数和统计信息 print（"斜率：", model.coef_） print（"截距：", model.intercept_）

以上代码展示了如何使用`scikit-learn`和`statsmodels`库进行一和多线性回归建模。您可以根据具体需求选择合适的库和参数进行回归分析。

python中回归分析的算法_python爬虫教程

相关推荐