Python 普通最小二乘法(OLS)進行多項式擬合
阿新 • • 發佈:2018-01-31
zlabel predict ylabel model for font 結果 param col
多元函數擬合。如 電視機和收音機價格多銷售額的影響,此時自變量有兩個。
python 解法:
import numpy as np import pandas as pd #import statsmodels.api as sm #方法一 import statsmodels.formula.api as smf #方法二 import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D df = pd.read_csv(‘http://www-bcf.usc.edu/~gareth/ISL/Advertising.csv‘, index_col=0) X = df[[‘TV‘, ‘radio‘]] y = df[‘sales‘] #est = sm.OLS(y, sm.add_constant(X)).fit() #方法一 est = smf.ols(formula=‘sales ~ TV + radio‘, data=df).fit() #方法二 y_pred = est.predict(X) df[‘sales_pred‘] = y_pred print(df) print(est.summary()) #回歸結果 print(est.params) #系數 fig = plt.figure() ax= fig.add_subplot(111, projection=‘3d‘) #ax = Axes3D(fig) ax.scatter(X[‘TV‘], X[‘radio‘], y, c=‘b‘, marker=‘o‘) ax.scatter(X[‘TV‘], X[‘radio‘], y_pred, c=‘r‘, marker=‘+‘) ax.set_xlabel(‘X Label‘) ax.set_ylabel(‘Y Label‘) ax.set_zlabel(‘Z Label‘) plt.show()
擬合的各項評估結果和參數都打印出來了,其中結果函數為:
f(sales) = β0 + β1*[TV] + β2*[radio]
f(sales) = 2.9211 + 0.0458 * [TV] + 0.188 * [radio]
圖中,sales 方向上,藍色點為原 sales 實際值,紅色點為擬合函數計算出來的值。其實誤差並不大,部分數據如下。
同樣可擬合一元函數;
import numpy as np import pandas as pd import statsmodels.formula.api as smf import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D df = pd.read_csv(‘http://www-bcf.usc.edu/~gareth/ISL/Advertising.csv‘, index_col=0) X = df[‘TV‘] y = df[‘sales‘] est = smf.ols(formula=‘sales ~ TV ‘, data=df).fit() y_pred = est.predict(X) print(est.summary()) fig = plt.figure() ax = fig.add_subplot(111) ax.scatter(X, y, c=‘b‘) ax.plot(X, y_pred, c=‘r‘) plt.show()
Python 普通最小二乘法(OLS)進行多項式擬合