线性回归残差python

线性回归残差是指预测值与实际观测值之间的差异。在Python中，可以通过计算预测值与实际观测值的差异来得到残差。以下是通过使用sklearn中的线性回归模型来计算线性回归残差的示例代码：

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

# 使用最小二乘线性回归进行拟合，导入相应的模块
lr = linear_model.LinearRegression()

data = pd.read_csv(r'D:\桌面\A.csv', encoding='gbk')
X = data.iloc[:, 0:4]
Y = data.iloc[:, 5]

X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2, random_state=0)

lr.fit(X_train, Y_train)  # 拟合
y = lr.predict(X)  # 得到预测值集合y

# 残差计算
residuals = Y - y

以上代码中，`residuals`即为线性回归的残差。你可以使用这些残差进行进一步的分析或可视化。