python能做回歸么

方法一：scikit-learn庫中調用linear_model

由于機器學習庫scikit-learn的廣泛流行，常用的方法是從該庫中調用linear_model來擬合數據。

雖然這可以提供機器學習的其他流水線特征（例如：數據歸一化，模型系數正則化，將線性模型傳遞到另一個下游模型）的其他優點，但是當一個數據分析師需要快速而簡便地確定回歸系數（和一些基本相關統計量）時，這通常不是最快速簡便的方法。

方法二：Scipy.polyfit( ) or numpy.polyfit( )

這是一個最基本的最小二乘多項式擬合函數（least squares polynomial fit function），接受數據集和任何維度的多項式函數（由用戶指定），并返回一組使平方誤差最小的系數。

對于簡單的線性回歸來說，可以選擇1維函數。但是如果你想擬合更高維的模型，則可以從線性特征數據中構建多項式特征并擬合模型。

方法三：Stats.linregress( )

這是一個高度專業化的線性回歸函數，可以在SciPy的統計模塊中找到。然而因為它僅被用來優化計算兩組測量數據的最小二乘回歸，所以其靈活性相當受限。因此，不能使用它進行廣義線性模型和多元回歸擬合。

但是，由于其特殊性，它是簡單線性回歸中最快速的方法之一。除了擬合的系數和截距項之外，它還返回基本統計量，如R2系數和標準差。

聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com