哪个python回归函数用于线性回归曲线

Question

我试图在python中复制一个函数，并能够使用数据框中的多列对以下代码进行编码，但想知道是否有一个python回归函数可以更有效地执行此操作。这里是该功能描述的链接。对不起，先进的不是一个真正的统计人员。 :)

http://tlc.thinkorswim.com/center/reference/thinkScript/Functions/Statistical/Inertia.html

它指出它的使用最小二乘法线性回归曲线为每个组杆近似数据。

输入y =关闭; 输入n = 20;

def x = x [1] + 1; （先前值+1）

def a =（n * Sum（x * y，n）-Sum（x，n）* Sum（y，n））/（n * Sum（Sqr ）-Sqr（Sum（x，n）））; （Sum（Sqr（x），n）* Sum（y，n） - Sum（x，n）* Sum（x * y，n））/（n * Sum（Sqr（x， ），n）-Sqr（Sum（x，n）））;

plot InertiaTS = a * x + b;

感谢

更新

这里是大熊猫列和函数。我第一次定义的x值和y值列，然后下面是原始计算：

df['ind1']= ((10 * (df['xValue']*df['ysValue']).rolling(10, min_periods=10).sum() - df['xValue'].rolling(10, min_periods=10).sum()*df['ysValue'].rolling(10, min_periods=10).sum())/ (10 * (df['xValue'] ** 2).rolling(10, min_periods=10).sum() - (df['xValue'].rolling(10, min_periods=10).sum())**2)) * df['xValue'] + (((df['xValue'] ** 2).rolling(10, min_periods=10).sum()*df['ysValue'].rolling(10, min_periods=10).sum() - df['xValue'].rolling(10, min_periods=10).sum()*(df['xValue']*df['ysValue']).rolling(10, min_periods=10).sum())/(10 * (df['xValue'] ** 2).rolling(10, min_periods=10).sum() - (df['xValue'].rolling(10, min_periods=10).sum())**2)) 

Answer 1

这不是真的清楚你是否只是在寻找在Python执行回归的方式，或者你想自己的算法代码。

1. 如果你想有一个包做回归，你可以看看scikit-learn 使用，

   from sklearn import linear_model 
   linear_model.LinearRegression() 
   

2. 如果你想编写自己的算法，你可以看看gradient descent。你可以看安德鲁Ng在coursera上的视频 - https://www.coursera.org/learn/machine-learning/lecture/GFFPB/gradient-descent-intuition。编码算法相当直观，步骤如下，

   i。定义一个成本函数 - 这是一个基于OLS（普通最小二乘）和模样，

   J = 1/2 (h(x) - y) ^2

   II。对每个特征或j采取成本函数的偏导数。这里X是由n个特征组成的输入向量，其中之一是j。

   iii。采用梯度下降更新的特征向量 -

theta = theta - alpha * (partial derivative) 您可以从安德鲁·Ng的papaper发现这里的细节：http://cs229.stanford.edu/notes/cs229-notes1.pdf

对不起，这是很难把乳胶对SO