Question

我已经能够计算线性回归的系数。但是有没有办法得到相关系数的误差呢？我的代码如下所示。

from scipy.interpolate import *
from numpy import *
x = np.array([4, 12, 56, 58.6,67, 89])
y = np.array([5, 6, 7, 16,18, 19])

degrees = [0,1]       # list of degrees of x to use
matrix = np.stack([x**d for d in degrees], axis=-1)    
coeff = np.linalg.lstsq(matrix, y)[0]     
print("Coefficients", coeff)
fit = np.dot(matrix, coeff)
print("Linear regression", fit)
p1=polyfit(x,y,1)

输出：

Coefficients for y=a +bx [3.70720668 0.17012128]
Linear fit [ 4.38769182  5.74866209 13.23399857 13.67631391 15.10533269 18.84800093]

未显示错误！如何计算误差？

Answer 1

您可以为y生成“预测”值，我们将其称为y_pred，然后将它们与y进行比较以获取错误。

predicted_line = poly1d(coeff)
y_pred = predicted_line(x)
errors = y-y_pred

Answer 2

Althorugh我喜欢David Moseler的解决方案，如果您想要一个错误来评估回归的优劣，则可以使用R2 score中已实现的sklearn（使用平方误差）：

from sklearn.linear_model import LinearRegression
import numpy as np

x = np.array([4, 12, 56, 58.6,67, 89]).reshape(-1, 1)
y = np.array([5, 6, 7, 16,18, 19])

reg = LinearRegression().fit(x, y)
reg.score(x, y) # R2 score
# 0.7481301984276703

如果R2的值接近1，则该模型为好个

如何从线性回归获得系数误差？

2 个答案: