OLS就是最小二乘法,(Ordinary Least Squares),它通过最小化样本真值与预测值之间的方差和来达到计算出方程系数的目的.

实战:

from sklearn import linear_model

import numpy as np

x = np.array([[0,1],[3,-2],[2,3]]) # 训练样本特征

y = np.array([0.5,0.3,0.9]) # 训练样本目标值

reg = linear_model.LinearRegression() # 初始化最小二乘法回归对象

reg.fit(x,y) # 训练拟合

print("intercept:", reg.intercept_) # 读取截距

print("coef_:", reg.coef_) # 读取回归参数

reg.predict([[1,2],[-3,2]]) # 对两组数据进行预测

不足:

当维度过高时,会出现过拟合的现象,从而导致预测出现很大的误差.

　　.