python中2个列表的线性回归

Question

嗨，我有2个数字列表，我想从常规线性回归得到R ^ 2。我认为问题已经发布了很多，但我在某个地方找不到。

我的清单：

my_y = [2,5,6,10]
my_x = [19,23,22,30]

我试图将它改为numpy数组，然后使用sklearn回归并得到我需要的东西，但我没有成功。我使用了以下代码：

from sklearn.linear_model import LinearRegression
import numpy as np

my_y = np.array([2,5,6,10]).reshape(1, -1)
my_x = np.array([19,23,22,30]).reshape(1,-1)

lm = LinearRegression()
result = lm.score(my_x, my_y)
print(result)

有没有人有快速的方法让R ^ 2在这两个变量之间进行线性回归？

此回归的预期输出为：R ^ 2 = 0.930241

Answer 1

尝试：

import scipy

slope, intercept, r_value, p_value, std_err = scipy.stats.linregress(my_x, my_y)

print(r_value**2)

你得到：

0.9302407516147975

Answer 2

从文档的快速浏览中，我看到linear_model需要您提供一个线性模型，顾名思义。得到一个简单的R：

import scipy
my_y = np.array([2,5,6,10])
my_x = np.array([19,23,22,30])
R=scipy.stats.linregress(my_x, my_y)[2]
print(R)

0.9644898919194527

和R**2产生0.930的理想结果。