python多元线性回归
时间: 2023-09-12 19:10:28 浏览: 51
在Python中,我们可以使用多种库实现多元线性回归,比如NumPy、scikit-learn和statsmodels等。
以下是使用scikit-learn库实现多元线性回归的示例代码:
1. 导入需要的库
```python
import numpy as np
from sklearn.linear_model import LinearRegression
```
2. 准备数据
```python
# 构造特征矩阵X和目标变量y
X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
y = np.array([4, 7, 10, 13])
```
3. 创建线性回归模型对象
```python
# 创建线性回归模型对象
model = LinearRegression()
```
4. 训练模型
```python
# 训练模型
model.fit(X, y)
```
5. 预测
```python
# 预测
X_test = np.array([[2, 3, 4], [5, 6, 7]])
y_pred = model.predict(X_test)
```
6. 输出结果
```python
# 输出结果
print(y_pred)
```
完整代码如下:
```python
import numpy as np
from sklearn.linear_model import LinearRegression
# 构造特征矩阵X和目标变量y
X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
y = np.array([4, 7, 10, 13])
# 创建线性回归模型对象
model = LinearRegression()
# 训练模型
model.fit(X, y)
# 预测
X_test = np.array([[2, 3, 4], [5, 6, 7]])
y_pred = model.predict(X_test)
# 输出结果
print(y_pred)
```
输出结果为:
```
[ 5. 10.]
```
其中,第一个元素表示特征矩阵为[2, 3, 4]时的预测结果,第二个元素表示特征矩阵为[5, 6, 7]时的预测结果。
相关推荐
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)