我在.csv文件中有一个数据集(dataTrain.csv和dataTest.csv),格式如下:
Temperature(K),Pressure(ATM),CompressibilityFactor(Z)
273.1,24.675,0.806677258
313.1,24.675,0.888394713
...,...,...
并能够使用以下代码建立回归模型和预测:
import pandas as pd
from sklearn import linear_model
dataTrain = pd.read_csv("dataTrain.csv")
dataTest = pd.read_csv("dataTest.csv")
# print df.head()
x_train = dataTrain['Temperature(K)'].reshape(-1,1)
y_train = dataTrain['CompressibilityFactor(Z)']
x_test = dataTest['Temperature(K)'].reshape(-1,1)
y_test = dataTest['CompressibilityFactor(Z)']
ols = linear_model.LinearRegression()
model = ols.fit(x_train, y_train)
print model.predict(x_test)[0:5]
然而,我想做的是多元回归。因此,模型将是CompressibilityFactor(Z) = intercept + coef*Temperature(K) + coef*Pressure(ATM)
如何在scikit学习中做到这一点
这是正确的,您需要使用.values.reforme(-1,2)
此外,如果您想知道表达式的系数和截距:
压缩系数(Z)=截距+系数温度(K)+系数压力(ATM)
您可以通过以下方式获得:
系数=模型系数 intercept=model.intercept\u
如果上面的代码适用于单变量,请尝试以下操作
相关问题 更多 >
编程相关推荐