在Python中找到最终的回归方程

Question

如何找到包含所有变量系数的最终回归模型方程？有什么方法吗？

Answer 1

给你看一个例子

我向您展示了一个使用波士顿房价数据集的 OLS 示例。

代码：

# load a dataset and regression function
from sklearn import linear_model,datasets
import pandas as pd
# I use boston dataset to show you 
full_data = datasets.load_boston()

# get a regressor, fit intercept
reg = linear_model.LinearRegression(fit_intercept=True)
# data is our explanatory, target is our response
reg.fit(full_data['data'],full_data['target'])

# we have 1 intercept and  11 variables' coef
reg.intercept_,reg.coef_

# get the name of features
full_data.feature_names
# append to get a new list
coef = np.append(reg.intercept_,reg.coef_)
feature_names = np.append(['Intercept'], full_data.feature_names)
# output a dataframe contains coefficients you want
pd.DataFrame({"feature_names":feature_names,"coef":coef})

输出：

   feature_names       coef
0      Intercept  36.459488
1           CRIM  -0.108011
2             ZN   0.046420
3          INDUS   0.020559
4           CHAS   2.686734
5            NOX -17.766611
6             RM   3.809865
7            AGE   0.000692
8            DIS  -1.475567
9            RAD   0.306049
10           TAX  -0.012335
11       PTRATIO  -0.952747
12             B   0.009312
13         LSTAT  -0.524758

一些建议

您可以使用

dir(object)

来查看拟合模型中的内容，就像使用

dir(full_data)

和

dir(reg)

来查看实例的属性和方法一样。

至于

sklearn

，这里有一个关于它的官方指南。您可以在指南上找到函数和数据集。

Answer 2

简单使用

print('y = '+str(regressor.coef_[0] )+ ' X  + ' + str(regressor.intercept_))

回归器是训练模型的 LinearRegression 对象