相关疑难解决方法(0)

我正在使用Python和Numpy来计算任意度数的最佳拟合多项式.我传递了一个x值,y值和我想要拟合的多项式的程度列表(线性,二次等).

这很有用,但我也想计算r(相关系数)和r平方(确定系数).我将我的结果与Excel的最佳拟合趋势线能力以及它计算的r平方值进行比较.使用这个,我知道我正在为线性最佳拟合(度等于1)正确计算r平方.但是,我的函数不适用于度数大于1的多项式.

Excel可以做到这一点.如何使用Numpy计算高阶多项式的r平方？

这是我的功能:

import numpy

# Polynomial Regression
def polyfit(x, y, degree):
    results = {}

    coeffs = numpy.polyfit(x, y, degree)
     # Polynomial Coefficients
    results['polynomial'] = coeffs.tolist()

    correlation = numpy.corrcoef(x, y)[0,1]

     # r
    results['correlation'] = correlation
     # r-squared
    results['determination'] = correlation**2

    return results

我尝试为波士顿数据集安装OLS.我的图表如下所示.

如何在线上方或图中某处注释线性回归方程？如何在Python中打印方程式？

我是这个领域的新手.到目前为止探索python.如果有人可以帮助我,它会加快我的学习曲线.

非常感谢!

我也尝试过这个.

我的问题是 - 如何在方程式格式中对图中的上述进行注释？