阅读量:1
要实现多变量回归，可以使用scipy中的scipy.stats.linregress()函数。该函数可以用来计算多变量回归模型的参数。
下面是一个示例代码，展示如何使用linregress()函数进行多变量回归：
import numpy as np from scipy import stats # 创建一些示例数据 x1 = np.array([1, 2, 3, 4, 5]) x2 = np.array([2, 4, 6, 8, 10]) y = np.array([3, 5, 7, 9, 11]) # 计算多变量回归模型参数 slope, intercept, r_value, p_value, std_err = stats.linregress(np.vstack((x1, x2)).T, y) # 打印结果 print("斜率:", slope) print("截距:", intercept) print("相关系数:", r_value) print("p值:", p_value) print("标准误差:", std_err) 在这个示例中，我们创建了两个自变量x1和x2，以及一个因变量y。然后我们使用linregress()函数计算多变量回归模型的参数。最后打印出斜率、截距、相关系数、p值和标准误差。
