线性回归python

在Python中，可以使用多种库来进行线性回归分析，其中最常用的是scikit-learn和statsmodels。以下是使用这两个库进行线性回归的示例代码：

使用scikit-learn库：

# 准备自变量和因变量数据X = [[1], [2], [3]] # 自变量数据y = [3,5,7] # 因变量数据# 拟合模型model.fit(X, y)

# 预测新的数据new_X = [[4], [5]]
predicted_y = model.predict(new_X)

# 打印预测结果print(predicted_y)

使用statsmodels库：

X = sm.add_constant(X)

# 创建线性回归模型对象model = sm.OLS(y, X)

# 拟合模型results = model.fit()

# 打印回归结果摘要print(results.summary())

# 预测新的数据new_X = [[4], [5]]
new_X = sm.add_constant(new_X)
predicted_y = results.predict(new_X)

# 打印预测结果print(predicted_y)

这些示例代码演示了如何使用scikit-learn和statsmodels库进行简单的线性回归分析。你可以根据自己的数据和需求进行相应的修改和扩展。