我尝试使用Python建立线性回归模型，并且从混淆矩阵中得知变量ram与目标变量（价格）的相关性最高（0.92）。然而，ram变量的系数值仅为0.000952？我该怎么解释？价格每增加1个单位，是否可能导致ram仅增加0.000952？请帮我。
我知道我没有添加代码，但是在这种情况下没有必要。
答案 0 :(得分：2)
该代码总是很有帮助，因为它向我们展示了如何获取变量。
我假设0.92是您的r^2值。 0.92是线性回归对数据建模的良好程度。 ...
Use 'apt autoremove' to remove them.
The following packages will be REMOVED:
apt apt-listchanges apt-utils python3-reportbug reportbug task-english
task-laptop task-print-server task-ssh-server tasksel tasksel-data
The following NEW packages will be installed:
apt-transport-https
WARNING: The following essential packages will be removed.
This should NOT be done unless you know exactly what you are doing!
apt
0 upgraded, 1 newly installed, 11 to remove and 28 not upgraded.
Need to get 171 kB of archives.
After this operation, 6,734 kB disk space will be freed.
You are about to do something potentially harmful.
To continue type in the phrase 'Yes, do as I say!'
?]
越接近1意味着您的 <div class="mcnTextContent">
<style type="text/css">
.testsitenewsletterimage11 p {
float: left !important;
}
.testsitenewslettertxt11 p {
display: inline !important;
padding-left: 20px;
width: 50%;
}
.testsitenewslettertxt11 hr {
width: 100% !important;
}
.im {
color: #757575 !important;
}
</style>
*|FEEDBLOCK:http://testsite.edu.gr/category/%CE%B5%CE%BA%CF%80%CE%B1%CE%B9%CE%B4%CE%B5%CF%85%CF%84%CE%B9%CE%BA%CE%B1-%CE%BD%CE%B5%CE%B1/feed/|*
*|FEEDITEMS:[$count=3]|*
<div class="testsitenewsletterimage11">
<p><a href="*|FEEDITEM:URL|*">*|FEEDITEM:IMAGE|*</a></p>
<div class="testsitenewslettertxt11">
<p>
<span style="font-size:14px">*|FEEDITEM:DATE|*</span><br />
<strong>*|FEEDITEM:TITLE|* </strong><br />
<a href="*|FEEDITEM:URL|*">? Μάθετε
Περισσότερα</a
><br />
</p>
<hr />
</div>
</div>
*|END:FEEDITEMS|* *|END:FEEDBLOCK|*
</div>
和r^2变量之间的相关性越高，您可以了解更多有关here
系数X（假设偏差为0）指出，单价的上涨将导致y的上涨。
我相信您的方程是0.000952，其中m是系数，b = 0。
答案 1 :(得分：1)
是的。一件事是线性相关系数，另一件事是回归系数。有一个单独的系数检验（t检验）设计用来证明变量在回归模型中是否具有静态显着性，我认为这可以解决您所陈述的问题。
考虑一个正在使用分子但以米为单位进行测量的场景。您可能会发现一个具有高相关性（0.9+）的变量，但是您的系数可能真的很小（1 * 10E-6）。
最后考虑这个问题可能会在统计数据交换或数据科学中找到更好的成功。