python中的多项式回归模型

Question

据我了解，回归方程可以通过以下函数计算：

import statsmodels.formula.api as smf
fg = smf.ols(formula='X ~ Y', data=data).fit()

我们也可以从 numpy polyfit 函数中计算出来。

numpy.polyfit(x, y, degree)

因为我们可以在 numpy polyfit 中更改度数。

在 ols 函数中，我们还可以添加其他自变量，如下所示：

fg = smf.ols(formula='X ~ Y+Y1+Y2', data=data).fit()

所以我的问题是我们可以更改 ols 函数的拟合顺序/程度吗？ 或者我们可以在 numpy polyfit 函数中添加另一个自变量吗？

Answer 1

在您提到的 statsmodels 能力的情况下，公式是使用 patsy 语言指定的（请参阅http://patsy.readthedocs.io/en/latest/）。因此，例如，您使用的第一个调用可能是以下内容。

fg = smf.ols(formula='X ~ Y + Y**2', data=data).fit()

或

fg = smf.ols(formula='X ~ log(Y)', data=data).fit()