python 中的回歸 OLS

Question

我對python中的多元回歸模型有一些疑問：

1. 為什么有必要應用一個“虛擬截距”向量來開始最小二乘法 (OLS)？ （我指的是 X = sm.add_constant(X) 的使用。我知道最小二乘法是一個等於零的導數系統。它是用某種迭代方法計算的，需要“虛擬截距”嗎？哪里我能找到一些關於算法 est = sm.OLS(y, X).fit() 細節的資料嗎？

2. 據我了解， scale.fit_transform 產生數據的規范化。 通常歸一化不會產生高於 1 的值。為什么在縮放后我會看到超過 1 的值？

3. 在哪里可以找到有關 python 函數的官方文檔？

提前致謝

Answer 1

1. 在 OLS 中，您要擬合的 function 是：y=ax1+ax2+ax3+c。 如果您不使用 c 術語，您的線將始終通過原點。 因此，為了給你的線更多的自由度，它可以從你的原點偏移 c，你需要 c。

您可以擬合一條沒有常數項的直線，您將獲得一組系數（迭代計算不需要虛擬截距），但這可能不是最小化最小二乘的最佳直線。