Наука о данных — таблица регрессии
Таблица регрессии
Результаты линейной регрессии можно обобщить в таблице регрессии.
В содержание таблицы входят:
- Информация о модели
- Коэффициенты функции линейной регрессии
- Статистика регрессии
- Статистика коэффициентов функции линейной регрессии
- Другая информация, которую мы не будем рассматривать в этом модуле
Таблица регрессии со значением Average_Pulse в качестве независимой переменной
Теперь вы можете начать свое путешествие по анализу расширенного вывода!
Создайте таблицу линейной регрессии в Python
Вот как создать таблицу линейной регрессии в Python:
Пример
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())
Объяснение примера:
- Импортируйте библиотеку statsmodels.formula.api как smf. Statsmodels — это статистическая библиотека на Python.
- Используйте набор full_health_data.
- Создайте модель на основе метода наименьших квадратов с помощью smf.ols(). Обратите внимание, что объясняющая переменная должна быть записана первой в скобках. Используйте набор данных full_health_data.
- Вызывая .fit(), вы получаете переменные результаты. Это содержит много информации о регрессионной модели.
- Вызови summary(), чтобы получить таблицу с результатами линейной регрессии.