python数据挖掘,利用线性回归分析命令,求出Y与5个因素之间的线性回归关系式系数向量,并在命令窗口输出该系数向量。求出线性回归关系的判定系数。今有一个样本X1=4,X2=1.5,X3==10

读取文件

import pandas as pd
import numpy as np
pd=pd.read_excel('test3.xlsx')
pd


样本	X1	X2	X3	X4	X5	Y
0	1	3.18	1.15	9.4	17.6	3.00	0.7
1	2	3.80	0.79	5.1	30.5	3.80	0.7
2	3	3.60	1.10	9.2	9.1	3.65	1.0
3	4	2.73	0.73	14.5	12.8	4.68	1.1
4	5	3.40	1.48	7.6	16.5	4.50	1.5
5	6	3.20	1.00	10.8	10.1	8.10	2.6
6	7	2.60	0.61	7.3	16.1	16.16	2.7
7	8	4.10	2.30	3.7	17.8	6.70	3.1
8	9	3.72	1.94	9.9	36.1	4.10	6.1
9	10	4.10	1.66	8.2	29.4	13.00	9.6
10	11	3.35	1.25	7.8	27.8	10.50	10.9
11	12	3.31	1.81	10.7	9.3	10.90	11.9
12	13	3.60	1.40	24.6	12.6	12.76	12.7
13	14	3.50	1.39	21.3	41.1	10.00	14.7
14	15	4.75	2.40	26.2	42.5	16.40	21.3

求线性回归关系的判定系数

x=pd.iloc[:,1:6].values
y=pd.iloc[:,6].values
x
from sklearn.linear_model import LinearRegression as LR
lr=LR()
lr.fit(x,y)
Slr=lr.score(x,y)
c_x=lr.coef_
c_b=lr.intercept_
x1=np.array([4,1.5,10,17,9])
x1=x1.reshape(1,5)
R1=lr.pre
  • 3
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值