在Python中使用statsmodels进行多元线性回归时，若要无截距，需手动添加一列1到exog。不添加则默认无截距。例如，通过`sm.OLS(endog=df.y, exog=df.x).fit()`建立y=B*x模型。若要含截距，可使用`sm.OLS(endog=df.y, exog=df[['x']].assign(intercept=1)).fit()`。另外，使用smf.api时，`smf.ols('y ~ x - 1', data=df).fit()`会在公式中排除截距项。"
128561741,9290371,MTCNN人脸检测算法详解,"['深度学习', '人工智能', 'pytorch', '算法', '人脸检测']
这取决于您使用的api。如果您使用的是statsmodels.api，那么您需要通过在exog中添加一列1s来显式地将常量添加到模型中。如果你不这样做，就没有拦截。在import pandas as pd
import statsmodels.formula.api as smf
import statsmodels.api as sm
df = pd.DataFrame({'x': range(0,10)}).assign(y=lambda x: x+8)
# Fit y = B*x, no intercept
res1 = sm.OLS(endog=df.y, exog=df.x).fit()
==============================================================================
coef std err t P>|t| [0.025 0.975]
x 2.2632 0.269 8.421 0.000 1.655 2.871
============
最低0.47元/天 解锁文章
5854
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
