python拟合多个自变量 csdn

在 Python 中拟合多个自变量的方法有很多，其中比较常用的是使用 scikit-learn 库中的线性回归模型。

具体步骤如下：

1. 导入必要的库和数据集：

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression

# 假设有两个自变量 x1 和 x2，以及一个因变量 y
data = pd.read_csv('data.csv')
x1 = data['x1'].values.reshape(-1, 1)
x2 = data['x2'].values.reshape(-1, 1)
y = data['y'].values.reshape(-1, 1)

2. 创建模型对象并拟合数据：

model = LinearRegression()
model.fit(np.hstack((x1, x2)), y)

其中，`np.hstack()` 函数用于将两个一维数组水平连接成为一个二维数组，以便于输入模型中进行拟合。

3. 预测新的数据：

new_data = np.array([[1.5, 2.0], [2.0, 3.0]])
model.predict(new_data)

以上就是使用 scikit-learn 库中的线性回归模型进行多个自变量的拟合的基本步骤。需要注意的是，如果自变量之间存在相关性，可以使用岭回归等方法进行处理。