python多项式拟合_Python 普通最小二乘法（OLS）进行多项式拟合，最小二乘法拟合二次多项式,多元函数拟合。如 电...

Python 普通最小二乘法(OLS)进行多项式拟合，最小二乘法拟合二次多项式,多元函数拟合。如 电

多元函数拟合。如 电视机和收音机价格多销售额的影响，此时自变量有两个。

python 解法：import numpy as npimport pandas as pd#import statsmodels.api as sm #方法一import statsmodels.formula.api as smf #方法二import matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Ddf = pd.read_csv(‘http://www-bcf.usc.edu/~gareth/ISL/Advertising.csv‘, index_col=0)X = df[[‘TV‘, ‘radio‘]]y = df[‘sales‘]#est = sm.OLS(y, sm.add_constant(X)).fit() #方法一est = smf.ols(formula=‘sales ~ TV + radio‘, data=df).fit() #方法二y_pred = est.predict(X)df[‘sales_pred‘] = y_predprint(df)print(est.summary()) #回归结果print(est.params) #系数fig = plt.figure()ax = fig.add_subplot(111, projection=‘3d‘) #ax = Axes3D(fig)ax.scatter(X[‘TV‘], X[‘radio‘], y, c=‘b‘, marker=‘o‘)ax.scatter(X[‘TV‘], X[‘radio‘], y_pred, c=‘r‘, marker=‘+‘)ax.set_xlabel(‘X Label‘)ax.set_ylabel(‘Y Label‘)ax.set_zlabel(‘Z Label‘)plt.show()

拟合的各项评估结果和参数都打印出来了，其中结果函数为：

f(sales) = β0 + β1*[TV] + β2*[radio]

f(sales) = 2.9211 + 0.0458* [TV] + 0.188 *[radio]

图中，sales 方向上，蓝色点为原 sales 实际值，红色点为拟合函数计算出来的值。其实误差并不大，部分数据如下。

同样可拟合一元函数;import numpy as npimport pandas as pdimport statsmodels.formula.api as smfimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Ddf = pd.read_csv(‘http://www-bcf.usc.edu/~gareth/ISL/Advertising.csv‘, index_col=0)X = df[‘TV‘]y = df[‘sales‘]est = smf.ols(formula=‘sales ~ TV ‘, data=df).fit()y_pred = est.predict(X)print(est.summary())fig = plt.figure()ax = fig.add_subplot(111)ax.scatter(X, y, c=‘b‘)ax.plot(X, y_pred, c=‘r‘)plt.show()

Python 普通最小二乘法(OLS)进行多项式拟合