给我一段多重线性回归的例子,包括fit model和simplify model
时间: 2023-12-06 22:45:17 浏览: 16
以下是一个多重线性回归的例子:
```
import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression
# 创建一个包含自变量和因变量的数据集
data = {'x1': [1, 2, 3, 4, 5],
'x2': [6, 7, 8, 9, 10],
'y': [12, 15, 18, 21, 24]}
df = pd.DataFrame(data)
# 拟合模型
X = df[['x1', 'x2']]
y = df['y']
model = LinearRegression().fit(X, y)
# 输出系数和截距
print('Coefficients:', model.coef_)
print('Intercept:', model.intercept_)
# 精简模型
X_new = df[['x1']]
model_simple = LinearRegression().fit(X_new, y)
# 输出系数和截距
print('Coefficients:', model_simple.coef_)
print('Intercept:', model_simple.intercept_)
```
在这个例子中,我们使用了两个自变量 `x1` 和 `x2` 来预测因变量 `y`。我们首先拟合了一个多重线性回归模型,并输出了系数和截距。然后,我们精简了模型,只使用了一个自变量 `x1`,并输出了简化模型的系数和截距。