python

Question

据我了解，回归方程可以通过以下函数计算：

import statsmodels.formula.api as smf
fg = smf.ols(formula='X ~ Y', data=data).fit()

我们也可以从numpy polyfit函数计算出来。

numpy.polyfit(x, y, degree)

因为我们可以改变numpy polyfit的程度。

在ols函数中，我们还可以添加其他自变量，如下所示：

fg = smf.ols(formula='X ~ Y+Y1+Y2', data=data).fit()

所以我的问题是我们可以改变ols功能的顺序/适合度吗？ 或者我们可以在numpy polyfit函数中添加另一个自变量吗？

Answer 1

对于您提到的statsmodels能力，使用patsy语言指定公式（请参阅http://patsy.readthedocs.io/en/latest/）。因此，例如，您使用的第一次调用可能是以下内容。

fg = smf.ols(formula='X ~ Y + Y**2', data=data).fit()

或

fg = smf.ols(formula='X ~ log(Y)', data=data).fit()