线性回归算法

若要真正理解线性回归，了解其算法如何工作很有帮助。ols() 的代码有数百行，因为它需要适用于任意公式和任意数据集。不过，对于单一数据集的简单线性回归，您只需几行代码就能实现一个线性回归算法。

工作流程如下：

首先，编写一个函数来计算平方和，使用如下通用语法：

def function_name(args):
  # some calculations with the args
  return outcome

其次，使用 scipy 的最小化函数来找到使该函数最小的系数。

解释变量（taiwan_real_estate 的 n_convenience 列）已作为 x_actual 提供。响应变量（taiwan_real_estate 的 price_twd_msq 列）已作为 y_actual 提供。

minimize() 也已加载。

本练习是课程的一部分

Python 中级回归：使用 statsmodels

查看课程

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Complete the function
def calc_sum_of_squares(coeffs):
    # Unpack coeffs
    ____, ____ = ____
    # Calculate predicted y-values
    y_pred = ____ + ____ * ____
    # Calculate differences between y_pred and y_actual
    y_diff = ____ - ____
    # Calculate sum of squares
    sum_sq = ____
    # Return sum of squares
    return sum_sq
  
# Test the function with intercept 10 and slope 1
print(calc_sum_of_squares([10, 1]))

编辑并运行代码