为什么线性回归图不正确？提供的代码和图片

Question

我在 Python 中使用 statsmodels 进行线性回归，当我绘制结果时，它似乎是错误的。我检查了一个不同的数据集，使用来自 this question 的代码。

但即使我使用以下代码（取自上述链接问题），最佳拟合线仍未正确显示。我不确定是什么问题。

代码：

import statsmodels.api as sm
import numpy as np
import matplotlib.pyplot as plt

X = np.random.rand(100)
Y = X + np.random.rand(100)*0.1

results = sm.OLS(Y,sm.add_constant(X)).fit()

print results.summary()

plt.scatter(X,Y)

X_plot = np.linspace(0,1,100)
plt.plot(X_plot, X_plot*results.params[0] + results.params[1])

plt.show()

我的输出：

为什么最佳拟合线不正确？

Answer 1

add_constant默认在常数前面，也就是说常数是第一个参数，斜率是后面的参数。

预测值也可作为 fittedvalues 或通过调用不带参数的预测获得。

对于显式计算，需要更正 params 的索引，即

predicted = X_plot*results.params[1] + results.params[0]

为什么线性回归图不正确？提供的代码和图片

Why is the graph of the linear regression incorrect? Code and image provided

python

matplotlib

statsmodels