数据科学 - 回归表
回归表
线性回归的结果可以总结在回归表中。
表格内容包括
- 模型信息
- 线性回归函数的系数
- 回归统计量
- 线性回归函数系数的统计量
- 其他我们本模块不涵盖的信息
以Average_Pulse为解释变量的回归表
你现在可以开始你的高级输出分析之旅了！
在Python中创建线性回归表
以下是如何在Python中创建线性回归表的方法
示例
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())
自己试试 »
示例说明
- 导入库statsmodels.formula.api为smf。Statsmodels是Python中的一个统计库。
- 使用full_health_data数据集。
- 使用smf.ols()基于普通最小二乘法创建模型。注意，解释变量必须写在括号中的第一个位置。使用full_health_data数据集。
- 通过调用.fit()，你获得了变量results。它包含了关于回归模型的大量信息。
- 调用summary()获取包含线性回归结果的表格。
