Statsmodels 是 Python 中一個(gè)強(qiáng)大的統(tǒng)計(jì)分析包，包含了回歸分析、時(shí)間序列分析、假設(shè)檢

驗(yàn)等等的功能。Statsmodels 在計(jì)量的簡(jiǎn)便性上是遠(yuǎn)遠(yuǎn)不及 Stata 等軟件的，但它的優(yōu)點(diǎn)在于可以與 Python 的其他的任務(wù)(如 NumPy、Pandas)有效結(jié)合，提高工作效率。在本文中，我們重點(diǎn)介紹最回歸分析中最常用的 OLS(ordinary least square)功能。

當(dāng)你需要在 Python 中進(jìn)行回歸分析時(shí)……

import statsmodels.api as sm！！！

在一切開始之前

上帝導(dǎo)入了 NumPy(大家都叫它囊派？我叫它囊辟)，

import numpy as np

便有了時(shí)間。

上帝導(dǎo)入了 matplotlib，

import matplotlib.pyplot as plt

便有了空間。

上帝導(dǎo)入了 Statsmodels，

import statsmodels.api as sm

世界開始了。

簡(jiǎn)單 OLS 回歸

假設(shè)我們有回歸模型

Y=β_0+β_1X_1+?+β_nX_n+ε

并且有 k 組數(shù)據(jù)，OLS 回歸用于計(jì)算回歸系數(shù) βi 的估值 b0,b1,…,bn，使誤差平方

最小化。

statsmodels.OLS 的輸入有 (endog, exog, missing, hasconst) 四個(gè)，我們現(xiàn)在只考慮前兩個(gè)。第一個(gè)輸入 endog 是回歸中的反應(yīng)變量(也稱因變量)?

總結(jié)

以上是生活随笔為你收集整理的python最小二乘法拟合模型的loocc误差_线性回归模型库Statsmodels 中 OLS 回归（普通最小二乘法回归）...的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。