Оглавление:

Как сделать множественную линейную регрессию?
Как сделать множественную линейную регрессию?

Видео: Как сделать множественную линейную регрессию?

Видео: Как сделать множественную линейную регрессию?
Видео: Множественная линейная регрессия, часть 1 2024, Ноябрь
Anonim

Чтобы понять отношения, в которых более двух переменных находятся настоящее время множественная линейная регрессия используется.

Пример использования множественной линейной регрессии

  1. уя = зависимая переменная: цена XOM.
  2. Иксi1 = процентные ставки.
  3. Иксi2 = цена на нефть.
  4. Иксi3 = значение индекса S&P 500.
  5. Иксi4= цена нефтяного фьючерса.
  6. B0 = точка пересечения по оси Y в нулевой момент времени.

Имея это в виду, как работает множественная линейная регрессия?

Множественная линейная регрессия пытается смоделировать взаимосвязь между двумя или более независимыми переменными и переменной ответа путем подбора линейный уравнение к наблюдаемым данным. Каждое значение независимой переменной x связано со значением зависимой переменной y.

Кроме того, каково уравнение множественной регрессии? Множественная регрессия . Множественная регрессия обычно объясняет отношения между несколько независимые или предиктивные переменные и одна зависимая или критериальная переменная. В уравнение множественной регрессии объясненное выше принимает следующий вид: y = b1Икс1 + b2Икс2 +… + B Икс + c.

Более того, для чего используется множественная линейная регрессия?

Множественная регрессия является расширением простого линейная регрессия . это используется, когда мы хотим предсказать значение переменной на основе значения двух или более других переменных. Переменная, которую мы хотим спрогнозировать, называется зависимой переменной (или иногда переменной результата, цели или критерия).

Как выполнить множественную линейную регрессию в Python?

Множественная линейная регрессия в Python

  1. Шаг 1. Загрузите набор данных Boston.
  2. Шаг 2: Настройте зависимые и независимые переменные.
  3. Шаг 3. Взгляните на независимую переменную.
  4. Шаг 4: Посмотрите на зависимую переменную.
  5. Шаг 5: Разделите данные на обучающие и тестовые наборы:

Рекомендуемые: