如何找到包含所有变量及其系数的最终回归模型方程？有什么方法吗？

回答：

展示一个示例

我将展示一个使用波士顿房价数据集进行OLS回归的例子。

代码：

# 加载数据集和回归函数from sklearn import linear_model,datasetsimport pandas as pd# 我使用波士顿数据集来展示full_data = datasets.load_boston()# 获取回归器，拟合截距reg = linear_model.LinearRegression(fit_intercept=True)# 数据是我们的解释变量，目标是我们的响应变量reg.fit(full_data['data'],full_data['target'])# 我们有一个截距和11个变量的系数reg.intercept_,reg.coef_# 获取特征名称full_data.feature_names# 添加到列表中以获取新列表coef = np.append(reg.intercept_,reg.coef_)feature_names = np.append(['Intercept'], full_data.feature_names)# 输出包含你想要的系数的数据框pd.DataFrame({"feature_names":feature_names,"coef":coef})

输出：

   feature_names       coef0      Intercept  36.4594881           CRIM  -0.1080112             ZN   0.0464203          INDUS   0.0205594           CHAS   2.6867345            NOX -17.7666116             RM   3.8098657            AGE   0.0006928            DIS  -1.4755679            RAD   0.30604910           TAX  -0.01233511       PTRATIO  -0.95274712             B   0.00931213         LSTAT  -0.524758

一些建议

你可以使用 dir(object) 来查看你的拟合模型中有什么内容，比如使用 dir(full_data) 和 dir(reg) 来查看实例的属性和方法。

关于 sklearn，这里有一个官方指南。你可以在指南中找到函数和数据集。