python ols拟合后画拟合图

在Python中，当你使用OLS（普通最小二乘法 Ordinary Least Squares）进行线性回归之后，通常会通过matplotlib库来画出残差图和预测图。以下是基本步骤：

1. **残差图**：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from statsmodels.formula.api import ols

# 假设data是包含因变量y和自变量x的DataFrame
ols_result = ols('y ~ x', data).fit()

# 计算残差
residuals = ols_result.resid

# 创建散点图，横坐标为预测值，纵坐标为残差
plt.scatter(ols_result.predict(), residuals, label='Residuals')
plt.axhline(y=0, color='black', linestyle='dashed')
plt.xlabel('Predicted Values')
plt.ylabel('Residuals')
plt.legend()

2. **预测图**：

# 画出预测值与实际值的关系
plt.figure()
plt.scatter(data['x'], data['y'], label='Observed Data')
plt.plot(data['x'], ols_result.fittedvalues, 'r-', label='Fitted Line')
plt.xlabel('Feature')
plt.ylabel('Target')
plt.title('Prediction Plot')
plt.legend()

这两个图表能帮助你评估模型的拟合质量、残差分布是否均匀以及是否存在多重共线性等问题。