sklearn库——线性回归模型

目录

简单线性回归

多元线性回归

分类变量转换成虚拟变量

---

对statsmodels库的整理可以与sklearn库的整理互相参考借鉴

statsmodels库——线性回归模型_我就是一个小怪兽的博客-CSDN博客 

简单线性回归

from sklearn import linear_model#导入所需要的包
lr=linear_model.LinearRegression()#指定模型
#再fit中指定自变量和响应变量，注意此处使用的是大写X和小写y
#由于sklearn接受的是numpy数组，所以又是需要处理数据，为了将dataframe传入sklearn。
predicted=lr.fit(X=tips['total_bill'].values.reshape(-1,1),y=tips['tip'])
print(predicted.coef_)#通过拟合模型的coef_属性来获得系数
print('----'*6)#输出横线以区分每一个输出
print(predicted.intercept_)#通过拟合模型的intercept_属性来得到截距
print('----'*6)
y_pre=lr.predict(tips['total_bill'][0:2].values.reshape(-1,1))#根据拟合的线性模型得到预测值
print(y_pre)#输出预测值
print(tips['tip