python 中的回归 OLS

Question

我对python中的多元回归模型有一些疑问：

1. 为什么有必要应用一个“虚拟截距”向量来开始最小二乘法 (OLS)？ （我指的是 X = sm.add_constant(X) 的使用。我知道最小二乘法是一个等于零的导数系统。它是用某种迭代方法计算的，需要“虚拟截距”吗？哪里我能找到一些关于算法 est = sm.OLS(y, X).fit() 细节的资料吗？

2. 据我了解， scale.fit_transform 产生数据的规范化。 通常归一化不会产生高于 1 的值。为什么在缩放后我会看到超过 1 的值？

3. 在哪里可以找到有关 python 函数的官方文档？

提前致谢

Answer 1

1. 在 OLS 中，您要拟合的 function 是：y=ax1+ax2+ax3+c。 如果您不使用 c 术语，您的线将始终通过原点。 因此，为了给你的线更多的自由度，它可以从你的原点偏移 c，你需要 c。

您可以拟合一条没有常数项的直线，您将获得一组系数（迭代计算不需要虚拟截距），但这可能不是最小化最小二乘的最佳直线。