使用OLS做回归
#使用OLS做多元线性回归拟合from sklearn import linear_model,cross_validation, feature_selection,preprocessingimport statsmodels.formula.api as smfrom statsmodels.tools.eval_measures import msefrom statsmodels.tools.tools import add_constantfrom sklearn.metrics import mean_squared_errorX = b_data.values.copy()X_train, X_valid, y_train, y_valid =cross_validation.train_test_split( X[:, :-1], X[:, -1],train_size=0.80)result = sm.OLS( y_train, add_constant(X_train) ).fit()result.summary()
/blog/ordinary-least-squares-in-python/
解读summary结果
summary结果中提供了很多关于拟合的信息，下面是这些描述信息的含义：
第一个表左边部分是关于拟合的基本信息:
第一个表的右边部分显示的是拟合的好坏情况：
第二个表显示的是拟合系数信息：
最后一个表显示的是对残差分布的统计检验评估：
如果觉得《OLS最小二乘法回归模型》对你有帮助，请点赞、收藏，并留下你的观点哦！
