OLS最小二乘法回归模型

最新推荐文章于 2025-03-10 10:16:53 发布

东石有海

最新推荐文章于 2025-03-10 10:16:53 发布

阅读量4.4k

点赞数 4

文章标签：机器学习

本文链接：https://blog.youkuaiyun.com/qq_42835351/article/details/114809698

版权

该博客详细介绍了如何使用OLS(Ordinary Least Squares)进行回归分析，并通过Python实现。文章通过解读summary结果，解析了拟合的基本信息、模型好坏的评估以及拟合系数和残差分布的统计检验，帮助读者深入理解OLS回归模型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

使用OLS做回归

#使用OLS做多元线性回归拟合
from sklearn import linear_model,cross_validation, feature_selection,preprocessing
import statsmodels.formula.api as sm
from statsmodels.tools.eval_measures import mse 
from statsmodels.tools.tools import add_constant 
from sklearn.metrics import mean_squared_error
X = b_data.values.copy()
X_train, X_valid, y_train, y_valid =
cross_validation.train_test_split( X[:, :-1], X[:, -1],train_size=0.80)
result = sm.OLS( y_train, add_constant(X_train) ).fit()
result.summary()

https://www.datarobot.com/blog/ordinary-least-squares-in-python/

解读summary结果

summary结果中提供了很多关于拟合的信息，下面是这些描述信息的含义：

第一个表左边部分是关于拟合的基本信息:

Element	Description	中文描述（个人翻译，如有错误请留言指出）
Dep. Variable	Which variable is the response in the model	响应变量/独立变量 y
Model	What model you are using in the fit	用来做拟合的模型
Method	How the parameters of the model were calculated	模型参数的计算方法
No. Observat