python实现回归中的相关系数和决定系数

最新推荐文章于 2025-06-16 19:02:45 发布

Rivertao

最新推荐文章于 2025-06-16 19:02:45 发布

阅读量8.9k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： python

本文链接：https://blog.youkuaiyun.com/weixin_41789633/article/details/79732313

python 专栏收录该内容

25 篇文章

订阅专栏

本文展示了如何使用Python进行回归分析，通过numpy库计算相关系数和决定系数。首先定义了computecorrelation函数计算相关系数，然后定义polyfot函数进行多项式拟合并得到决定系数。在示例中，对给定的数据集(test_x, test_y)应用这些函数，得出了一次多项式回归的决定系数，并验证了相关系数的平方等于决定系数的结果。" 113262638,10541648,MySQL数据获取函数解析：mysql_fetch_assoc与mysql_fetch_array的区别,"['数据库', 'PHP', 'MySQL函数']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import  numpy as npy
import cmath
def computecorrelation(x,y):
    x_bar=npy.mean(x)
    y_bar=npy.mean(y)
    SSR=0
    Varx=0
    Vary=0
    for i in range(0,len(x)):
        SSR+=(x[i]-x_bar)*(y[i]-y_bar)
        Varx+=(x[i]-x_bar)**2
        Vary+=(y[i]-y_bar)**2
    SST=cmath.sqrt(Varx*Vary)
    return SSR/SST
def polyfot(x,y,degree):
    result={}
    coef=npy.polyfit(x,y,degree)#算出各个回归系数
    result["polynomial"]=coef.tolist()
    p=npy.poly1d(coef)#拟合一条线
    y_hat=p(x)
    y_bar=npy.mean(y)
    SSR=npy.sum((y_hat-y_bar)**2)
    SST=npy.sum((y-y_bar)**2)
    result["determination"]=SSR/SST
    return result
test_x=[1,3,8,7,9]
test_y=[10,12,24,21,34]
print(polyfot(test_x,test_y,1)["determination"])
print(computecorrelation(test_x,test_y)**2)
print(polyfot(test_x,test_y,1))