Пакеты Python для линейной регрессии Пакет NumPy
Шаг 4. Получите результаты
жүктеу/скачать 86,03 Kb.
|
3 Реализация линейной регрессии в Python
| Шаг 4. Получите результаты
Переменная results относится к объекту, который содержит подробную информацию о результатах линейной регрессии. Объяснение их выходит далеко за рамки этой статьи, но здесь вы узнаете, как их извлечь. Вы можете вызвать .summary(), чтобы получить таблицу с результатами линейной регрессии: >>> print(results.summary()) OLS Regression Results ============================================================================== Dep. Variable: y R-squared: 0.862 Model: OLS Adj. R-squared: 0.806 Method: Least Squares F-statistic: 15.56 Date: Sun, 17 Feb 2019 Prob (F-statistic): 0.00713 Time: 19:15:07 Log-Likelihood: -24.316 No. Observations: 8 AIC: 54.63 Df Residuals: 5 BIC: 54.87 Df Model: 2 Covariance Type: nonrobust ============================================================================== coef std err t P>|t| [0.025 0.975] ------------------------------------------------------------------------------ const 5.5226 4.431 1.246 0.268 -5.867 16.912 x1 0.4471 0.285 1.567 0.178 -0.286 1.180 x2 0.2550 0.453 0.563 0.598 -0.910 1.420 ============================================================================== Omnibus: 0.561 Durbin-Watson: 3.268 Prob(Omnibus): 0.755 Jarque-Bera (JB): 0.534 Skew: 0.380 Prob(JB): 0.766 Kurtosis: 1.987 Cond. No. 80.1 ============================================================================== Warnings: [1] Standard Errors assume that the covariance matrix of the errors is correctly specified. Эта таблица очень обширна. Вы можете найти множество статистических значений, связанных с линейной регрессией, включая R2, b0, b1 и b2. В этом конкретном случае вы можете получить предупреждение, связанное с эксцессом. Это связано с небольшим количеством предоставленных наблюдений. Вы можете извлечь любое из значений таблицы выше. Например: >>> print('coefficient of determination:', results.rsquared) coefficient of determination: 0.8615939258756777 >>> print('adjusted coefficient of determination:', results.rsquared_adj) adjusted coefficient of determination: 0.8062314962259488 >>> print('regression coefficients:', results.params) regression coefficients: [5.52257928 0.44706965 0.25502548] Вот как можно получить некоторые результаты линейной регрессии: жүктеу/скачать 86,03 Kb. Достарыңызбен бөлісу:
|