這篇文章將為大家詳細(xì)講解有關(guān)Python中進(jìn)行統(tǒng)計(jì)建模的方法是什么，小編覺得挺實(shí)用的，因此分享給大家做個(gè)參考，希望大家閱讀完這篇文章后可以有所收獲。

創(chuàng)新互聯(lián)公司2013年成立，是專業(yè)互聯(lián)網(wǎng)技術(shù)服務(wù)公司，擁有項(xiàng)目成都網(wǎng)站建設(shè)、網(wǎng)站設(shè)計(jì)網(wǎng)站策劃，項(xiàng)目實(shí)施與項(xiàng)目整合能力。我們以讓每一個(gè)夢(mèng)想脫穎而出為使命，1280元龍子湖做網(wǎng)站,已為上家服務(wù),為龍子湖各地企業(yè)和個(gè)人服務(wù),聯(lián)系電話:13518219792

前言

大家好，在之前的文章中我們已經(jīng)講解了很多Python數(shù)據(jù)處理的方法比如讀取數(shù)據(jù)、缺失值處理、數(shù)據(jù)降維等，也介紹了一些數(shù)據(jù)可視化的方法如Matplotlib、pyecharts等，那么在掌握了這些基礎(chǔ)技能之后，要進(jìn)行更深入的分析就需要掌握一些常用的建模方法，本文將講解如何利用Python進(jìn)行統(tǒng)計(jì)分析。和之前的文章類似，本文只講如何用代碼實(shí)現(xiàn)，不做理論推導(dǎo)與過多的結(jié)果解釋(事實(shí)上常用的模型可以很輕松的查到完美的推導(dǎo)與解析)。因此讀者需要掌握一些基本的統(tǒng)計(jì)模型比如回歸模型、時(shí)間序列等。

Statsmodels簡(jiǎn)介

在Python 中統(tǒng)計(jì)建模分析最常用的就是Statsmodels模塊。Statsmodels是一個(gè)主要用來進(jìn)行統(tǒng)計(jì)計(jì)算與統(tǒng)計(jì)建模的Python庫(kù)。主要有以下功能：

• 探索性分析：包含列聯(lián)表、鏈?zhǔn)椒匠潭嘀夭逖a(bǔ)等探索性數(shù)據(jù)分析方法以及與統(tǒng)計(jì)模型結(jié)果的可視化圖表，例如擬合圖、箱線圖、相關(guān)圖、時(shí)間序列圖等
• 回歸模型：線性回歸模型、非線性回歸模型、廣義線性模型、線性混合效應(yīng)模型等
• 其他功能：方差分析、時(shí)間序列分析等模型的參數(shù)估計(jì)與估計(jì)參數(shù)的假設(shè)檢驗(yàn)等
   

安裝 brew install Statsmodels
文檔 github.com/statsmodels/statsmodels

線性回歸模型：普通最小二乘估計(jì)

線性模型有普通最小二乘(OLS)廣義最小二乘(GLS)、加權(quán)最小二乘(WLS)等，Statsmodels對(duì)線性模型有較好的支持，來看個(gè)最簡(jiǎn)單的例子：普通最小二乘(OLS)

首先導(dǎo)入相關(guān)包

%matplotlib inline
import numpy as np
import statsmodels.api as sm
import matplotlib.pyplot as plt
from statsmodels.sandbox.regression.predstd import wls_prediction_std
np.random.seed(9876789)

名稱欄目：Python中進(jìn)行統(tǒng)計(jì)建模的方法是什么-創(chuàng)新互聯(lián)
標(biāo)題網(wǎng)址：http://weahome.cn/article/cdsecd.html