python中2个列表的线性回归

Question

您好，我有 2 个数字列表，我想从常规线性回归中获得 R^2。我认为这个问题已经发布了很多，但我无法在某个地方找到它。

我的清单：

my_y = [2,5,6,10]
my_x = [19,23,22,30]

我曾尝试将其更改为 numpy 数组，然后使用 sklearn 进行回归并获得我需要的东西，但我没有成功。我使用了以下代码：

from sklearn.linear_model import LinearRegression
import numpy as np

my_y = np.array([2,5,6,10]).reshape(1, -1)
my_x = np.array([19,23,22,30]).reshape(1,-1)

lm = LinearRegression()
result = lm.score(my_x, my_y)
print(result)

有没有人有一种快速的方法可以通过在这两个变量之间进行线性回归来获得 R^2？

此回归的预期输出为：R^2=0.930241

Answer 1

通过快速浏览文档，我发现linear_model 需要您提供顾名思义的线性模型。得到一个简单的 R：

import scipy
my_y = np.array([2,5,6,10])
my_x = np.array([19,23,22,30])
R=scipy.stats.linregress(my_x, my_y)[2]
print(R)

0.9644898919194527

和R**2 产生期望的结果 0.930。

Answer 2

试试：

import scipy

my_y = [2,5,6,10]
my_x = [19,23,22,30]

slope, intercept, r_value, p_value, std_err = scipy.stats.linregress(my_x, my_y)
    
print(r_value**2)

你会得到：

0.9302407516147975

---

来自 scipy 版本 '1.4.1'（感谢 @FlamePrinz 注意到新版本 scipy 的问题）：

from scipy import stats

my_y = [2,5,6,10]
my_x = [19,23,22,30]

slope, intercept, r_value, p_value, std_err = stats.linregress(my_x, my_y)

print(r_value**2)