第二步,把1-3次项放入模型,基于 statsmodels 包进行OLS回归 第三步,OLS 回归 将Xs 转换为高次项的 Xs 转换后的高次项回归 对于所谓的高次项,最简单的方法那当然就是手动生成了。 比如二元的三次项回归。 假设咱们有个x,然后生成x2(x的平方),以及x3(x的立方)。 对于这么笨的手工操作,当然是 pandas 好...
import statsmodels.api as sm 下面我们引进这个包,来做我们的regression 首先决定好我们要找的因变量(dependent variable)和自变量(independent variable) Y = df[['price']] X = df[['height']] 如上代码块所示,那么下面就是开始regression 通过这串代码,我们可以得到一个OLS summary 好的那么现在要做的就是...
一、Python代码实现多项式回归 1.模拟多项式回归的数据集 import numpy as np import matplotlib.pyplot as plt x = np.random.uniform(-3,3,size=100) X = x.reshape(-1,1) # 一元二次方程 y = 0.5*x**2 + x + 2+np.random.normal(0,1,size=100) plt.scatter(x,y) 2.使用线性回归拟合 很...