Member 13680978 Ответов: 2

Как создать MLR файл в Python statmodels


создавать файлы
MLR в Python Statsmodels

Выполните следующий код, чтобы загрузить необходимые библиотеки и создать набор данных, соответствующий модели.

импорт панд в качестве ПД
от sklearn.импорт наборов данных load_boston

Бостон = load_boston()


набор данных = ПД.Таблицы данных(Бостон.данных, столбцы=Бостон.feature_names)

набор данных['объект'] = Бостон.цель

Я должен выполнить следующие шаги, чтобы завершить этот сценарий hands_on.

1.Выполните множественную регрессию по данным жилищного фонда Бостона .

2.импортируйте пакеты statsmodels соответствующим образом в свой код.

3.Используйте целевую переменную в качестве зависимой переменной.

4.используйте остальные переменные в качестве независимых переменных.

5.Установите модель множественной регрессии с помощью пакета statsmodels.

6.назовите значения корреляции для всех переменных.

7.каковы значения расчетных коэффициентов ?

8.каково значение значимости каждой переменной ?

9.наконец, распечатайте сводку модели в своем коде.

Вы можете написать свой код с помощью vim app.py -да .

Нажмите i для режима вставки.
Нажмите клавишу esc, а затем :wq, чтобы сохранить и выйти из редактора.

Что я уже пробовал:

import pandas as pd
from sklearn.datasets import load_boston

boston = load_boston()


dataset = pd.DataFrame(boston.data, columns=boston.feature_names)

dataset['target'] = boston.target

Richard MacCutchan

У вас есть вопрос?

Member 13680978

как создать MLR-файл в statmodels

Member 13680978

Я должен выполнить шаги, чтобы завершить сценарий... но я не знаю, как это сделать... Я искал в гугле но не могу

Richard MacCutchan

Следуйте ссылкам, которые я дал вам ниже.

2 Ответов

Рейтинг:
2

Member 13680978

Я должен выполнить шаги, чтобы завершить сценарий... но я не знаю, как это сделать... Я искал в гугле но не могу

Рейтинг:
0

schetan100

Попробуйте следующее решение.

Это сработало для меня

from sklearn.datasets import load_boston
from sklearn import linear_model

import pandas as pd 

boston = load_boston()
dataset = pd.DataFrame(boston.data, columns=boston.feature_names)
dataset['target'] = boston.target

print(dataset.head())

import statsmodels.api as sm
import statsmodels.formula.api as smf

X = dataset.drop('target', axis = 1)
y = dataset['target']

X = sm.add_constant(X)

model = smf.OLS(y,X).fit()

predictions = model.predict(X)

print(model.summary())