数据科学- 回归表

回归表

线性回归的输出可以总结在回归表中。

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
  • 线性回归函数的系数统计
  • 本模块不涉及的其他信息

以 Average_Pulse 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

以下是如何在 Python 中创建线性回归表:

实例

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())
亲自试一试 »

示例说明:

  • 将库 statsmodels.formula.api 导入为 smf。 Statsmodels 是 Python 中的一个统计库。
  • 使用 full_health_data 集。
  • 使用 smf.ols() 创建基于普通最小二乘法的模型。 请注意,解释变量必须首先写在括号中。 使用 full_health_data 数据集。
  • 通过调用.fit(),您可以获得变量结果。 这包含有关回归模型的大量信息。
  • 调用summary()获取线性回归结果表。