概述
当我尝试OLS适合这两个库时,我得到不同的r ^ 2值(确定系数),我无法弄清楚原因. (为方便起见,删除了一些间距)
In [1]: import pandas as pd
In [2]: import numpy as np
In [3]: import statsmodels.api as sm
In [4]: import scipy.stats
In [5]: np.random.seed(100)
In [6]: x = np.linspace(0,10,100) + 5*np.random.randn(100)
In [7]: y = np.arange(100)
In [8]: slope,intercept,r,p,std_err = scipy.stats.linregress(x,y)
In [9]: r**2
Out[9]: 0.22045988449873671
In [10]: model = sm.OLS(y,x)
In [11]: est = model.fit()
In [12]: est.rsquared
Out[12]: 0.5327910685035413
这里发生了什么？我想不出来！某处有错误吗？
基本上,一个包是建模y = bx而另一个(有帮助)假设你也想要一个截距项(即y = a bx). [注意：这个假设的优点是,否则你每次想要运行回归时都必须使用x并将一列1绑定到它上面(否则你最终会得到一个有偏见的模型)]
祝好运！
总结
以上是编程之家为你收集整理的使用scipy.stats和statsmodels计算线性回归时的结果不同全部内容，希望文章能够帮你解决使用scipy.stats和statsmodels计算线性回归时的结果不同所遇到的程序开发问题。
如果您也喜欢它,动动您的小指点个赞吧
602392714
清零编程群