问题标签 [olsmultiplelinearregression]

我正在尝试运行 OLS 回归，代码工作正常，但将变量连接成一个例外。我试图调查可能是什么问题，但我无法找到原因

它抛出以下错误

从我可以阅读的内容来看，它似乎是连接这些值而不是一个接一个地读取。

这适用于简单的线性回归，但这里不适用于多元线性回归

我有一个包含 3719 个观察值的数据集，有 9 个特征。我已经使用选定的特征执行了多元线性回归。我得到了这样的诊断图：

我通过绘图了解到因变量和自变量之间没有线性关系。残差图给出非线性趋势。但从正态 QQ 图中，它遵循正态分布。我没有得到残差与杠杆图的含义是什么？

我理解正确吗？如何解释这些情节。

以下是udemy课程的代码：- 我尝试了堆栈溢出中提供的所有解决方案，但似乎没有任何效果

（以前在社区提供的解决方案都不起作用）

我收到一条错误消息：-

我在 Jupiter 笔记本中遇到了使用 python 编码的问题。这个问题是关于线性回归的。如下：

1：线性回归 在本笔记本中，我们将从线性函数生成数据：=+，然后使用 OLS（普通最小二乘法）和梯度下降求解 ̂。

问题 1.1：生成数据：=+ 这里我们假设 ≈(,)=+ 其中与加性噪声成线性关系 您的函数应具有以下属性：

输出 y 作为形状为 (M,1) 的 np.array generate_linear_y 应该适用于任意 x、b 和 eps，只要它们是适当的尺寸，不要使用 for 循环分别计算每个 y[i]，因为这对于大型 M 和 N 来说会非常慢。相反，您应该利用 numpy 线性代数。

他们希望我们编写如下代码：

有人可以帮助我，因为我完全糊涂了！我什至没有意识到我正在做的事情需要在 python 中进行数组编码，而我一直在努力解决这个问题！请帮忙！

我正在尝试使用 Sklearn 的线性回归和 statsmodels.api 来构建线性模型。

方法是删除 p 值和 VIF 值高于标准的变量（p 值：0.05，VIF：<5）

bike_train 列是 8 月、12 月、2 月、1 月、7 月、6 月、3 月、5 月、11 月、10 月、9 月、周一、周六、周日、周四、周二、周三、小雪和雨、薄雾和多云、春季、夏季、冬天，温度，湿度，风速，bike_count

输出 ：

型号 1

型号 2

模型 3

模型 4

型号 5

型号 6

错误 ：

在创建模型之前缩放所有数值，如下所示：

请告诉我我哪里做错了，提前谢谢！！

有什么方法可以在 numpy.polyfit() 中拟合两个自变量和一个因变量？

我有一个从 csv 文件加载的熊猫数据框。我希望将两列作为自变量包含在内，以使用 NumPy 运行多元线性回归。

目前我的简单线性回归如下所示：

model_combined = np.polyfit(data.Exercise, y, 1)

我也希望包含data.Age在 x 中。

我正在尝试使用四个变量来拟合和可视化多元线性回归模型。

这里，Time.point 和 Year 是分类变量，其他是数值变量。

我使用以下代码创建了一个 3D 图。

情节是这样的：

如何在此图中为“拟合”模型添加回归线。我真的很感激任何帮助。谢谢

R 中的 I() 函数用于在线性回归中创建新的预测变量，例如 X^2：

这里给出了一个很好的解释（R线性回归公式中的大写字母“I”是什么意思？）。

我正在尝试使用相同的公式在 Python 中进行线性回归，但我似乎找不到等价的。此代码适用于单个变量

但是如果我尝试下面的代码片段，它显然不能正常工作。

尝试 ^ 运算符也没有意义，因为 Python 将此符号解释为按位异或。有谁知道在 Python 中是否有相同的函数 I() 的等价物？

我有一个 CSV 文件，其中每一行都是一个病人，每一列都是一个“特征”。我想使用这个多元线性回归代码。而不是波士顿示例数据集，我想加载我的 CSV 文件并使用第 1 到 79 列作为“数据”特征矩阵 (X)，第 80 列作为“目标”响应向量 (y)。我怎样才能做到这一点？我对 Python 很陌生，因此非常感谢任何建议。