我是靠谱客的博主 甜美小伙,这篇文章主要介绍统计笔记5:Linear Regression,现在分享给大家,希望可以做个参考。

OLS函数

sm.OLS(endog, exog, missing, hasconst)

参数含义:

endog:因变量

exog:自变量

OLS常用模板总结

导入库

import statsmodels.api as sm
from statsmodels.stats.outliers_influence import summary_table

因变量&自变量

其中自变量左边要加上一个常数

x = sm.add_constant(daily_data['temp']) # 线性回归增加常数项 y=kx+b
y = daily_data['cnt']

建立模型&模型计算

regr = sm.OLS(y, x) # 普通最小二乘模型,ordinary least square model
res = regr.fit()    # 模型计算

输出回归结果

st, data, ss2 = summary_table(res, alpha=0.05) # 置信水平alpha=5%,st数据汇总,data数据详情,ss2数据列名
fitted_values = data[:,2]  # 等价于res.fittedvalues

np.linspace函数

作用是生成一个等差数列

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)

参数含义:

start:样本数据开始点

stop:样本数据结束点

num:生成样本数量,默认为50

endpoint:True包含stop,False不包含stop

最后

以上就是甜美小伙最近收集整理的关于统计笔记5:Linear Regression的全部内容,更多相关统计笔记5:Linear内容请搜索靠谱客的其他文章。

本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
点赞(48)

评论列表共有 0 条评论

立即
投稿
返回
顶部