Question

我对Python没有太多的了解，但我必须将其解析为评估完成，

问题：
运行以下代码以加载所需的库并创建适合模型的数据集。

from sklearn.datasets import load_boston
import pandas as pd 

boston = load_boston()
dataset = pd.DataFrame(boston.data, columns=boston.feature_names)
dataset['target'] = boston.target

print(dataset.head())

我必须执行以下步骤才能完成此方案。

对于上面代码片段中加载的boston数据集，执行线性回归使用目标变量作为因变量使用RM变量作为自变量在python中使用statsmodels包拟合单个线性回归模型在代码中适当地导入statsmodels包在拟合模型后，识别系数最后在代码中打印模型摘要您可以使用vim app.py编写代码。

按i进入插入模式按esc然后：wq保存并退出编辑器。

请帮助我了解如何完成此操作。非常感谢您的宝贵意见

先谢谢

Answer 1

from sklearn.datasets import load_boston
import pandas as pd 

boston = load_boston()
dataset = pd.DataFrame(boston.data, columns=boston.feature_names)
dataset['target'] = boston.target

print(dataset.head())

import statsmodels.api as sm
import statsmodels.formula.api as smf

X = dataset["RM"]
y = dataset['target']

X = sm.add_constant(X)

model = smf.OLS(y,X).fit()

predictions = model.predict(X)

print(model.summary())

在Python Statsmodels中创建文件OLS

1 个答案: