Statsmodels和Scikit-learn是两个不同的Python库，它们都提供了用于线性回归的工具。Statsmodels中支持的线性回归模型列表： OLS回归：OLS代表“普通最小二乘回归”，它是一种最常见且最简单的线性回归模型。 …
线性回归是机器学习中最为简单的模型，但在实际使用过程中可能不太适用。比如以下场景： 分段线性拟合是一种用于对数据进行建模的回归方法，其中数据在不同的区间内使用不同的线性函数进行建模。与简单线性…
了解线性回归的原理后，为了更好的掌握相关的技能，需要进入实战，针对线性回归常见的方法有：Scikit和Statsmodels。 数据集的准备 美国波士顿房价的数据集是sklearn里面默认的数据集，sklearn内置的数据集都位于…
在前面的文章中介绍了基本的线性回归模型属于全局的模型（除局部加权线性回归外），在线性回归模型中，其前提是假设全局的数据之间是线性的，通过拟合所有的样本点，训练得到最终的模型。然而现实中的很多问题是非…
在处理较为复杂的数据的回归问题时，普通的线性回归算法通常会出现预测精度不够，如果模型中的特征之间有相关关系，就会增加模型的复杂程度。当数据集中的特征之间有较强的线性相关性时，即特征之间出现严重的多重…
线性回归是统计学总最常用的算法之一。从根本上来说，当你想表示两个变量间数学关系时，就可以使用线性回归。当你使用它时，你首先假设输出变量（有时称为响应变量、因变量或标签）和预测变量（有时称为自变量、解…
逻辑回归算法的名字里虽然带有“回归”二字，但实际上逻辑回归算法是用来解决分类问题的。简单来说， 逻辑回归（Logistic Regression）是一种用于解决二分类（0 or 1）问题的机器学习方法，用于估计某种事物的可能性…
