自定义函数线性回归答案

【问题标题】：Custom Function Linear Regression自定义函数线性回归
【发布时间】：2018-08-07 13:44:52
【问题描述】：

我正在尝试在 python 中实现以下“R”代码：

fit = lm(log(y) ~ log(x1) + log(x2) + 
x3, data=data);

我知道在 sklearn 中，您可以使用多个变量进行线性回归。但是，我特别想制作上面的公式。

任何指导将不胜感激。

【问题讨论】：

我不认为它太宽泛了......很清楚我想要什么，我给出了不同语言的示例代码。
所以基本上不仅仅是 Y = B1X1 + B2X2... 它是 Y = log(X1)*B1 + log(X2)*B2

标签： r python-3.x regression linear-regression

【解决方案1】：

对x1 和x2 应用对数转换，然后运行线性回归：

import numpy as np
from sklearn.linear_model import LinearRegression

log_x1 = np.log(x1)
log_x2 = np.log(x2)

log_y = np.log( y)

log_model = LinearRegression().fit( np.c_[log_x1, log_x2, x3], log_y)

【讨论】：

我刚刚编辑了代码，忘记记录转换y 并添加x3 变量。