![](/img/trans.png)
[英]How to predict new output from a linearRegression model build using sklean?
[英]How to predict data using LinearRegression using linear_model.OLS from statsmodels
我正在使用 statsmodel.api 运行线性回归,我想用 sklearn 做同样的事情。 但是,我似乎找不到将我的 model 应用于测试数据并获得 R 平方和其他东西的方法。
这是我使用 sklearn 得到的那种东西,但找不到使用 statsmodel 进行复制的方法:
# import library
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.datasets import make_regression
# Create sample
X_R1, y_R1 = make_regression(n_samples = 100, n_features=1,n_informative=1, bias = 150.0, noise = 30, random_state=0)
# split train / test
X_train, X_test, y_train, y_test = train_test_split(X_R1, y_R1,random_state = 1)
# Roda o modelo
linreg = LinearRegression().fit(X_train, y_train)
# Apresenta as informacoes desejadas
print('linear model coeff (w): {}'.format(linreg.coef_))
print('linear model intercept (b): {:.3f}'.format(linreg.intercept_))
print('R-squared score (training): {:.3f}'.format(linreg.score(X_train, y_train)))
print('R-squared score (test): {:.3f}'.format(linreg.score(X_test, y_test)))
output:
现在这是使用 statsmodel:
from sklearn import datasets, linear_model
from sklearn.linear_model import LinearRegression
import statsmodels.api as sm
from scipy import stats
X2 = sm.add_constant(X_train)
est = sm.OLS(y_train, X2)
est2 = est.fit()
print(est2.summary())
第二个脚本中的output比较完整,所以想用一下。 但我仍然需要将 model 应用于测试数据。
这很简单。 您只需要OLS
model 的predict
方法。
用这个:
from sklearn import datasets, linear_model
from sklearn.linear_model import LinearRegression
import statsmodels.api as sm
from scipy import stats
X2 = sm.add_constant(X_train)
est = sm.OLS(y_train, X2).fit() # this is a OLS object
X_test = sm.add_constant(X_test) # add again the constant
y_test_predicted = est.predict(X_test) # use the predict method of the object
OLS object 的所有可用方法都可以在这里找到: https://www.statsmodels.org/stable/generated/statsmodels.regression.linear_model.OLS.html#statsmodels.regression.linear_model.OLS
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.