这个多元线性回归我做错了什么答案

【问题标题】：What am I doing wrong with this multiple linear regression这个多元线性回归我做错了什么
【发布时间】：2020-01-02 00:00:18
【问题描述】：

我正在努力提高对线性回归/多元线性回归的掌握。我在 YouTube 上看到了这个视频，他在其中使用 excel 中的回归工具对一组数据执行线性回归。

https://www.youtube.com/watch?v=HgfHefwK7VQ&list=PLo8L7S3J29iOX0pvRqAgLDDdwobNWqG9C&index=21&t=0s

他使用 A、B 和 C 作为因变量的预测的最终答案是 45149.21

成本是自变量

这是我一直用来尝试复制他的结果的方法

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression

# create linear regression object
lm = LinearRegression()

# develop a model using these variables as predictor variables
X = df[['A Made', 'B Made', 'C Made']]   
Y = df['Cost']

# Fit the linear model using the three above-mentioned variables.
lm.fit(X , Y)

# value of the intercept
intercept = lm.intercept_

# values of the coefficients
coef = lm.coef_.tolist()

# final estimated linear model
Z = intercept + (coef[0] * 1200) + (coef[1] * 800) + (coef[2] * 1000)

吐出来的预测值是

Z = 10606.098714826765
intercept = 35108.59711204488
coefficient (list) = [2.072061216849437, 4.153422708041111, 4.796887088174573]

有问题的实际数据

data = {

    'Month':[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19],
    'Cost':[44439,43936,44464,41533,46343,44922,43203,43000,40967,48582,45003,44303,42070,44353,45968,47781,43202,44074,44610],
    'A Made':[515,929,800,979,1165,651,847,942,630,1113,1086,843,500,813,1190,1200,731,1089,786],
    'B Made':[541,692,710,685,1147,939,755,908,738,1175,1075,640,752,989,823,1108,590,607,513],
    'C Made':[928,711,824,758,635,901,580,589,682,1050,984,828,708,804,904,1120,1065,1132,839]

}

df = pd.DataFrame(data)

我预计预测值会接近 44000 值。我做错了什么？

编辑：松了一口气，发现过程是正确的。再次检查后，截距打印出 -2 值。然后我做了一些调整，我分配了一个截距值，它又回到了它应该在的位置。

感谢所有回答的人。非常感谢！

【问题讨论】：

只需阅读您的编辑，确保继续学习，如果有什么可以帮助您的，请与我们联系！（主要是关于回归问题）

标签： python excel linear-regression analysis

【解决方案1】：

我刚刚尝试了您的代码并在打印 Z 时得到了这个：45714.69582687167 我唯一更改的是导入：from sklearn.linear_model import LinearRegression() 到 from sklearn.linear_model import LinearRegression

【讨论】：

【解决方案2】：

再做一次，你的过程是正确的。无需手动提取系数和截距。

x_test = [[1200, 800, 1000]]
y_predict = lm.predict(x_test)

输出

array([[45714.69582687]])

顺便说一句，修复from sklearn.linear_model import LinearRegression

【讨论】：

【解决方案3】：

Z = 45714.69582687167

这就是我运行你的代码得到的结果，接近 44000

并将导入更改为

from sklearn.linear_model import LinearRegression

【讨论】：