wangxishi
- 在2020年08月03日加入
- 点赞能量: 100%
- 点赞价值: 4.1
好的谢谢
-
-
wangxishi
2020-11-24
-
为什么
-
-
wangxishi
2020-11-24
-
好的谢谢!
-
-
wangxishi
2020-11-24
-
X_train,X_test,Y_train,Y_test=train_test_split(examDf[['房均价','x6','中国货币供应量M2(亿元)','美元兑人民币平均汇率_当期(人民币/美元)','沪深300']],examDf.Y,train_size=0.8)model=LinearRegression()model.fit(X_train,Y_train)#线性回归训练#显示线性方程,并限制参数的小数位为两位print("最佳拟合线:Y=",round(a,2),"+",round(b[0],2),"*X1+",round(b[1],2),"*X2",round(b[2],2),"*X3",round(b[3],2),"*X4",round(b[4],2),"*X5")以上我之前的代码也是....
-
-
wangxishi
2020-11-24
-
我用历史数据做线性回归模型用的是sklearn,得出的问题中的最佳拟合线:Y=-0.08+-0.0*X1+1.03*X20.0*X3-0.05*X40.0*X5代码如下,是否可以?#拆分训练集和测试集X_train,X_test,Y_train,Y_test=train_test_split(examDf[[x1,x2,x3,x4,x5]],examDf.Y,train_size=0.8)#new_examDf.ix[:,:2]取了数据中的前两列为自变量,此处与单变量的不同#调用线性规划包model=LinearRegression()model.fit(X_train,Y_train)#线性回归训练a=model.intercept_#截距b=model.coef_#回归系数print("拟合参数:截距",a,",回归系数:",b)#显示线性方程,并限制参数的小数位为两位print("最....
-
-
wangxishi
2020-11-23
-
对的!
-
-
wangxishi
2020-11-20
-