如何在python中使用.predict（）方法进行线性回归？

Question

我根据我的数据框估计了多元回归模型。我有三个独立变量：月份（1到36），价格和广告日

我想做出预测，改变条件：

-未来10个月（37至47）的预测值，价格=85，广告日=4

我评估了我的模型并尝试：

Time1= np.arange(37,48)
Price1=85
Ads1=4
Lm.predict([Time1,Price1,Ads1])

但它不起作用

谢谢

Answer 1

首先使用过去观测的训练数据训练模型。在您的情况下，列车数据由3个自变量和1个因变量组成

一旦一个像样的模型得到训练（使用超参数优化），你就可以用它来做预测

示例代码（内联文档化）

import numpy as np
from sklearn.linear_model import LinearRegression

# sample dummy data 

# independent variables
time = np.arange(1,36)
price = np.random.randint(1,100,35)
ads = np.random.randint(1,10,35)
# dependent variable
y = np.random.randn(35)

# Reshape it into 35X3 where each row is an observation
train_X = np.vstack([time, price, ads]).T

# Fit the model
model = LinearRegression().fit(train_X, y)

# Sample observations for which 
# forecast of dependent variable has to be made
time1 = np.arange(37, 47)
price1 = np.array([85]*len(time1))
ads1 = np.array([4]*len(time1))

# Reshape such that each row is an observation
test_X = np.vstack([time1, price1, ads1]).T

# make the predictions
print (model.predict(test_X))'

输出：

array([0.22189608, 0.2269302 , 0.23196433, 0.23699845, 0.24203257,
       0.24706669, 0.25210081, 0.25713494, 0.26216906, 0.26720318])