使用python做线性回归，scipy，statsmodels，sklearn_烟锁

http://blog.sina.com.cn/u/1249614523

首页博文目录关于我

个人资料

烟锁

微博

加好友发纸条

写留言加关注

博客等级：
博客积分：0

博客访问：3,878
关注人气：6
获赠金笔：0支
赠出金笔：0支
荣誉徽章：

正文字体大小：大中小

使用python做线性回归，scipy，statsmodels，sklearn

(2021-01-13 00:03:59)

分类： python

1. 1. 用 scipy 包

scipy.stats 中的 linregress 函数可以做一元线性回归。假如因变量为 “不良贷款”，自变量为 “各项贷款余额”，全部 python 代码如下：

import scipy.stats as st

import pandas as pd

datas = pd.read_excel(r'D:\Users\chen_\git\Statistics-book\datas\linear_regression.xlsx') # 读取 excel 数据，引号里面是 excel 文件的位置

y = datas.iloc[:, 1] # 因变量为第 2 列数据

x = datas.iloc[:, 2] # 自变量为第 3 列数据

# 线性拟合，可以返回斜率，截距，r 值，p 值，标准误差

slope, intercept, r_value, p_value, std_err = st.linregress(x, y)

print(slope)# 输出斜率

print(intercept) # 输出截距

print(r_value**2) # 输出 r^2

scipy 中的回归分析比较简单，目前只能做一元线性回归，也不能用来做预测。

2. 用 statsmodels 包

import pandas as pd

import statsmodels.api as sm

import matplotlib.pyplot as plt

datas = pd.read_excel(r'D:\Users\chen_\git\Statistics-book\datas\linear_regression.xlsx') # 读取 excel 数据，引号里面是 excel 文件的位置

y = datas.iloc[:, 1] # 因变量为第 2 列数据

x = datas.iloc[:, 2] # 自变量为第 3 列数据

x = sm.add_constant(x) # 若模型中有截距，必须有这一步

model = sm.OLS(y, x).fit() # 构建最小二乘模型并拟合

print(model.summary()) # 输出回归结果

# 画图

# 这两行代码在画图时添加中文必须用

plt.rcParams['font.sans-serif'] = ['SimHei']

plt.rcParams['axes.unicode_minus'] = False

predicts = model.predict() # 模型的预测值

x = datas.iloc[:, 2] # 自变量为第 3 列数据

plt.scatter(x, y, label='实际值') # 散点图

plt.plot(x, predicts, color = 'red', label='预测值')

plt.legend() # 显示图例，即每条线对应 label 中的内容

plt.show() # 显示图形

https://chenzhen.blog.csdn.net/article/details/103551261

阅读┊ 收藏 ┊ 喜欢 ▼ ┊打印┊举报/Report

前一篇：pycharm快捷键设置

后一篇：python安装工具包时候提示没有权限

新浪BLOG意见反馈留言板　欢迎批评指正