菜单
×
   ❮     
HTML CSS JAVASCRIPT SQL PYTHON JAVA PHP HOW TO W3.CSS C C++ C# BOOTSTRAP REACT MYSQL JQUERY EXCEL XML DJANGO NUMPY PANDAS NODEJS R TYPESCRIPT ANGULAR GIT POSTGRESQL MONGODB ASP AI GO KOTLIN SASS VUE DSA GEN AI SCIPY AWS CYBERSECURITY DATA SCIENCE
     ❯   

数据科学 - 回归表


回归表

线性回归的输出可以总结在一个回归表中。

表格内容包括

  • 关于模型的信息
  • 线性回归函数的系数
  • 回归统计量
  • 来自线性回归函数的系数统计量
  • 我们在此模块中不涵盖的其他信息

以 Average_Pulse 作为解释变量的回归表

Linear Regression Table

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())
自己动手试一试 »

示例解释

  • 导入库 statsmodels.formula.api as smf。Statsmodels 是 Python 中的一个统计库。
  • 使用 full_health_data 数据集。
  • 使用 smf.ols() 创建一个基于普通最小二乘法的模型。请注意,解释变量必须写在括号内。使用 full_health_data 数据集。
  • 通过调用 .fit(),您可以获得 results 变量。它包含了有关回归模型的许多信息。
  • 调用 summary() 以获取包含线性回归结果的表格。

×

联系销售

如果您想将 W3Schools 服务用于教育机构、团队或企业,请发送电子邮件给我们
sales@w3schools.com

报告错误

如果您想报告错误,或想提出建议,请发送电子邮件给我们
help@w3schools.com

W3Schools 经过优化,旨在方便学习和培训。示例可能经过简化,以提高阅读和学习体验。教程、参考资料和示例会不断审查,以避免错误,但我们无法保证所有内容的完全正确性。使用 W3Schools 即表示您已阅读并接受我们的使用条款Cookie 和隐私政策

版权所有 1999-2024 Refsnes Data。保留所有权利。W3Schools 由 W3.CSS 提供支持