python能做回歸么

方法一：scikit-learn庫(kù)中調(diào)用linear_model

由于機(jī)器學(xué)習(xí)庫(kù)scikit-learn的廣泛流行，常用的方法是從該庫(kù)中調(diào)用linear_model來(lái)擬合數(shù)據(jù)。

雖然這可以提供機(jī)器學(xué)習(xí)的其他流水線特征（例如：數(shù)據(jù)歸一化，模型系數(shù)正則化，將線性模型傳遞到另一個(gè)下游模型）的其他優(yōu)點(diǎn)，但是當(dāng)一個(gè)數(shù)據(jù)分析師需要快速而簡(jiǎn)便地確定回歸系數(shù)（和一些基本相關(guān)統(tǒng)計(jì)量）時(shí)，這通常不是最快速簡(jiǎn)便的方法。

方法二：Scipy.polyfit( ) or numpy.polyfit( )

這是一個(gè)最基本的最小二乘多項(xiàng)式擬合函數(shù)（least squares polynomial fit function），接受數(shù)據(jù)集和任何維度的多項(xiàng)式函數(shù)（由用戶指定），并返回一組使平方誤差最小的系數(shù)。

對(duì)于簡(jiǎn)單的線性回歸來(lái)說(shuō)，可以選擇1維函數(shù)。但是如果你想擬合更高維的模型，則可以從線性特征數(shù)據(jù)中構(gòu)建多項(xiàng)式特征并擬合模型。

方法三：Stats.linregress( )

這是一個(gè)高度專業(yè)化的線性回歸函數(shù)，可以在SciPy的統(tǒng)計(jì)模塊中找到。然而因?yàn)樗鼉H被用來(lái)優(yōu)化計(jì)算兩組測(cè)量數(shù)據(jù)的最小二乘回歸，所以其靈活性相當(dāng)受限。因此，不能使用它進(jìn)行廣義線性模型和多元回歸擬合。

但是，由于其特殊性，它是簡(jiǎn)單線性回歸中最快速的方法之一。除了擬合的系數(shù)和截距項(xiàng)之外，它還返回基本統(tǒng)計(jì)量，如R2系數(shù)和標(biāo)準(zhǔn)差。

聲明：本網(wǎng)頁(yè)內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問(wèn)題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com