statsmodels统计建模分析库（1） --线性回归模型

最新推荐文章于 2024-04-15 08:52:36 发布

song s

最新推荐文章于 2024-04-15 08:52:36 发布

阅读量697

点赞数

分类专栏：数据分析文章标签： python

本文链接：https://blog.csdn.net/yhx_jmdx/article/details/106761180

版权

这篇博客介绍了如何利用Python的statsmodels库进行线性回归模型的构建，包括普通最小二乘法（OLS）以及如何处理非线性曲线。内容涵盖了线性回归的基础和应用，还提到了建立预测周围置信区间的技巧。

摘要由CSDN通过智能技术生成

import statsmodels.api as sm

1、线性回归模型

1.1 普通最小二乘

#构建数据
nsample = 100
x = np.linspace(0, 10, 100)
X = np.column_stack((x, x**2))
beta = np.array([1, 0.1, 10])
e = np.random.normal(size=nsample)
X = sm.add_constant(X)  #加入一列数据全为1
y

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

song s

关注关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
statsmodels统计建模分析库（1） --线性回归模型

import statsmodels.api as sm1、线性回归模型1.1 普通最小二乘#构建数据nsample = 100x = np.linspace(0, 10, 100)X = np.column_stack((x, x**2))beta = np.array([1, 0.1, 10])e = np.random.normal(size=nsample)X = sm.add_constant(X) #加入一列数据全为1y = np.dot(X, beta) + e#
复制链接

扫一扫