Python使用sklearn和statsmodels构建多元线性回归模型（Multiple Linear Regression）并解读
Posted Data+Science+Insight
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Python使用sklearn和statsmodels构建多元线性回归模型（Multiple Linear Regression）并解读相关的知识，希望对你有一定的参考价值。
Python使用sklearn和statsmodels构建多元线性回归模型（Multiple Linear Regression）并解读
#仿真数据集（预测股票指数）
这里的目标是根据两个宏观经济变量：利率和失业率来预测/估计股票指数价格。
我们将使用pandas DataFrame在Python中捕获上述数据。在深入研究Python代码之前，请确保安装了statsmodels和pandas包。您可以使用PIP方法来安装这些软件包。
pip install pandas
pip install statsmodels
#验证特征和目标的线性关系
#利率和股票指数的关系；
#利率上升股票指数上升；
import pandas as pd
import matplotlib.pyplot as plt
Stock_Market = {\'Year\': [2017,2017,2017,2017,2017,2017,2017,2017,2017,2017,2017,2017,2016,2016,2016,2016,2016,2016,2016,2016,2016,2016,2016,2016],
\'Month\': [12, 11,10,9,8,7,6,5,4,3,2,1,12,11,10,9,8,7,6,5,4,3,2,1],
\'Interest_Rate\': [2.7以上是关于Python使用sklearn和statsmodels构建多元线性回归模型（Multiple Linear Regression）并解读的主要内容，如果未能解决你的问题，请参考以下文章
Python，sklearn：使用 MinMaxScaler 和 SVC 的管道操作顺序
为啥我在 python 的 sklearn 中使用管道和没有管道得到不同的值
用python+sklearn(机器学习)实现天气预报数据 模型和使用
Python 3.5 尝试使用 sklearn 和 matplotlib 绘制 PCA