线性回归 - 预测 ŷ答案

【问题标题】：Linear Regression - Predict ŷ线性回归 - 预测 ŷ
【发布时间】：2018-11-10 10:17:50
【问题描述】：

我正在尝试绘制实际销售额 (y) 和预测销售额 (ŷ) 值的散点图。

我已经导入了 csv 文件，目前我用于线性回归模型的代码是：

result = smf.ols('sales ~ discount + holiday + product', data=data).fit()
print(result.summary())

由于我只有实际销售额，如何找到预测销售额 (ŷ) 值来绘制散点图？我曾尝试研究并找到lm.predict() 和result.predict()。有区别吗？ lm = LinearRegression() 提前谢谢！

【问题讨论】：

请澄清您所说的“预计销售额”是什么意思。如果您不认为它是预测，为什么要进行回归？
基于回归模型中所有 x 变量的预测销售额，以便我可以在散点图上绘制实际销售额和预测销售额。
我不太了解这里的反对意见。您可以通过调用 result.predict() 来获取您的预测值，这将是您的 yhat 值
@Simon 这个问题完全不清楚实际上存在什么问题。问题本身是微不足道的，“predict”的两个变体不合格——如果不知道它们是什么，就很难区分它们。

标签： python linear-regression statsmodels predict

【解决方案1】：

没有数据很难提供帮助，但我猜你有来自数据集的X 和y，因为你想执行线性回归。您可以使用scikit-learn 将数据拆分为训练集和测试集：

from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 1/3)

那么你需要将线性回归拟合到训练集：

from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor.fit(X_train, y_train)

然后预测测试集结果：

y_pred = regressor.predict(X_test)

最后，您可以绘制测试或训练结果：

# Visualising the Training set results
plt.scatter(X_train, y_train, color = 'red')
plt.plot(X_train, regressor.predict(X_train), color = 'blue')
plt.title('Discount vs Sales (Training set)')
plt.xlabel('Discount percentage')
plt.ylabel('Sales')
plt.show()

# Visualising the Test set results
plt.scatter(X_test, y_test, color = 'red')
plt.plot(X_train, regressor.predict(X_train), color = 'blue')
plt.title('Discount vs Sales (Test set)')
plt.xlabel('Discount percentage')
plt.ylabel('Sales')
plt.show()

（在这种情况下，如果我们设置特定值，例如折扣百分比，我们希望预测销售量）。如果你有多个X 参数，事情会更复杂，你需要使用虚拟变量，进行统计分析等。

【讨论】：