excel学习库

模型开发简单线性回归，多元线性回归

提到模型开发，很多人会想到其他方面模型，但是我们的文章一般情况下指的都是数学模型。同时，有人会问，前面不是介绍了回归，不是能够得到一个线性函数嘛？这儿怎么又独立了模型开发的内容。是这样的，回归线它更多是指的一类的线，我们在实际中，刻画变量间关系的模型很容易找，但是要找到更好，更能说明问题，拟合出来的R值更大等等的模型，往往是一个过程，或者是有一定的步骤的。前面的内容更多侧重于简单分析变量间的关系的大致方向，而接下来的内容则更倾向于如何建立具体的模型。

通常来说，我们拥有的数据越多，模型就越准确。线性回归只通过一个自变量进行预测，多元线性回归应用多个自变量（独立）进行预测。简单线性回归（SLR）能够帮助我们理解两个变量之间的关系。

通过 Python 拟合简单线性回归模型

# 导入线性回归相应的库
fromimport
importas
# 导入数据
"demo.xlsx"
# 创建线性回归对象

# 定义预测变量和目标变量
'no'# 注意这里要多一层括号进行类型转换，不然会报错
'num'
# 拟合模型

# 获得拟合曲线的估计值

程序会输出简单线性回归曲线的估计值。想要查看拟合出来的曲线的参数，可以：

# 查看截距

# 查看斜率

通过 Python 拟合多元线性回归模型

# 导入线性回归相应的库
fromimport
importas
# 导入数据
"demo.xlsx"
# 创建线性回归对象

# 定义预测变量
'col_1''no'# 以此类推定变量
# 拟合模型
'num'
# 获得拟合曲线的估计值

获取截距和系数的方式和在简单线性回归中获取的代码是一样的，只不过系数所返回的数组大小取决于预测变量的个数。