统计笔记5：Linear Regression

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。