statsmodels 线性回归

`statsmodels`是一个强大的Python统计分析库，它专注于经济、金融和统计建模。其中，线性回归是其最常用的功能之一。statsmodels的`LinearRegression`模块允许用户拟合一元或多元线性模型，即输入变量（自变量）与单个因变量之间的关系。它支持普通最小二乘法（OLS），也称为简单线性回归，以及更复杂的情况如岭回归和lasso回归。

以下是使用`statsmodels`进行线性回归的基本步骤：

1. 导入必要的模块：

import statsmodels.api as sm
from statsmodels.formula.api import ols

2. 准备数据集，通常包含因变量和自变量：

data = ... # 例如pandas DataFrame
X = data[['feature1', 'feature2']]  # 自变量
y = data['target']  # 因变量

3. 使用`ols()`函数创建模型并拟合数据：

model = ols('y ~ X', data).fit()

4. 检查模型摘要信息，包括系数、截距、R^2等统计量：

print(model.summary())

5. 可以通过`.predict()`方法对新数据进行预测：

new_data = ... # 新的自变量数据
predictions = model.predict(new_data)