我们将使用statsmodels库建立多元线性回归模型,并将预测结果添加到散点图里。 importstatsmodels.apiassm# 添加常数项X=sm.add_constant(data[['X1','X2']])model=sm.OLS(data['y'],X).fit()# 拟合模型data['predictions']=model.predict(X)# 生成预测值# 绘制散点图及预测线plt.figure(figsize=(12,6...
用户可以先试着画一个散点图，看看是否可以使用其他曲线来获得更好的拟合效果，在很多情况下，对数据进行线性或某些非线性拟合会有显著的效果，但可能不是最好的，所以有必要判断自变量与因变量之间是否呈线性关系。R方和调整后的R方是对模型拟合效果的描述，调整后的R方更准确，即自变量对因变量的解释...