线性回归

本文介绍了线性回归的基本概念,包括残差、最小二乘法、拟合优度等,并通过可决系数评估模型的好坏。此外,还提供了使用Python进行线性回归分析的具体步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

line model lm

1、残差:估计量\hat{Y}和观测值Y的差

2、最小二乘法

是一种求最优解的数学优化技术

离差平方和(TSS)最小=》离差平方和 对回归参数求偏导得出回归参数值

3、拟合优度:

TSS (离差平方和)= ESS (回归平方和)+ RSS(残差平方和)

回归平方和:\hat{Y}\bar{Y}的差和

残差平方和:Y与\hat{Y}的查和

可决系数r^{2} = ESS/TSS(回归平方和在总离差中的比例,越大拟合优度越高),r^{2}=1 完全拟合,r^{2}=0无线性关系

每个系数的t检验

整体的f检验

4、python使用方法

from sklearn.linear_model import LinearRegression
x = data[['balance','interval']]
y = data['sign']
'''拆分训练数据与测试数据 '''
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.2)
linerg = LinearRegression()
model = linerg.fit(x_train,y_train)
print linerg.intercept_
print linerg.coef_
'''预测'''
y_pre = linerg.predict(x_test)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值