python实现多元线性回归，以2022数模国赛为例（实战必看，附源代码）

回归分析是确定变量间依赖关系的一种统计分析方法，属于监督学习方法。由变量的不同可以分为一元线性回归和多元线性回归

接下来以多元线性回归为例介绍

当待确定的变量超过一个时，就需要使用多元线性回归算法，下面介绍多变量问题中的多元线性回归分析

数据如下 总共有14个变量 我们需要挨个分析其中一个变量与其他十三个变量之间的依赖关系

 

程序输出结果如下

其中括号里是其他十三个变量与预测变量这件的关系因子  下面的是截距

 

下面的是一些参数和误差因子

 

 代码如下 只需根据自己的模型替换数据及预测变量即可

import pandas as pd
from sklearn.linear_model import LinearRegression
from matplotlib import  pyplot as plt
import  numpy as np
import matplotlib; matplotlib.use('TkAgg')
np.set_printoptions(suppress=True)  # 取消科学计数法输出
df = pd.read_csv(r"铅钡未风化数据.csv")
#df1=df['类型']
#print(df1)
#剩下的依次交换预测对象 即可 代码在此不冗余
X = df[[ 'Na2O', 'K2O', 'CaO', 'MgO','Al2O3','Fe2O3','CuO','PbO','BaO','P2O5','SrO','SnO2','SO2']]
Y = df['SiO2']
model = LinearRegression()
model.fit(X, Y)



print("预测结果--------",)
print(model.coef_)
print(model.intercept_)
import statsmodels.api as sm
X2 = sm.add_constant(X)
est = sm.OLS(Y,X2).fit()
print(est.summary())

需要数据集的可以点赞关注收藏后私信博主