数据科学- 回归表
回归表
线性回归的输出可以总结在回归表中。
表格内容包括:
- 关于模型的信息
- 线性回归函数的系数
- 回归统计
- 线性回归函数的系数统计
- 本模块不涉及的其他信息
以 Average_Pulse 为解释变量的回归表
您现在可以开始分析高级输出了！
在 Python 中创建线性回归表
以下是如何在 Python 中创建线性回归表:
实例
import pandas as pd
import statsmodels.formula.api as smf
full_health_data = pd.read_csv("data.csv", header=0, sep=",")
model = smf.ols('Calorie_Burnage ~ Average_Pulse', data =
full_health_data)
results = model.fit()
print(results.summary())
亲自试一试 »
示例说明:
- 将库 statsmodels.formula.api 导入为 smf。 Statsmodels 是 Python 中的一个统计库。
- 使用 full_health_data 集。
- 使用 smf.ols() 创建基于普通最小二乘法的模型。 请注意，解释变量必须首先写在括号中。 使用 full_health_data 数据集。
- 通过调用.fit()，您可以获得变量结果。 这包含有关回归模型的大量信息。
- 调用summary()获取线性回归结果表。
