如何为包含大约 500 列作为 y 变量的文件创建线性回归模型？与 Python 一起工作

Question

此代码从 y table 中手动选择一列，然后将其连接到 X table。然后程序执行线性回归。知道如何对 y table?

中的每一列执行此操作吗

yDF = pd.read_csv('ytable.csv')
yDF.drop('Dates', axis = 1, inplace = True)
XDF = pd.read_csv('Xtable.csv')
ycolumnDF = yDF.iloc[:,0].to_frame()
regressionDF = pd.concat([XDF,ycolumnDF], axis=1)

X = regressionDF.iloc[:,1:20]
y = regressionDF.iloc[:,20:].squeeze()

lm = linear_model.LinearRegression()
lm.fit(X,y)
cf = lm.coef_
print(cf)

Answer 1

您可以同时对同一个 X 回归多个 y。这样的东西应该可以工作

import numpy as np
from sklearn.linear_model import LinearRegression

df_X = pd.DataFrame(columns = ['x1','x2','x3'], data = np.random.normal(size = (10,3)))
df_y = pd.DataFrame(columns = ['y1','y2'], data = np.random.normal(size = (10,2)))
X = df_X.iloc[:,:]
y = df_y.iloc[:,:]
lm = LinearRegression().fit(X,y)
print(lm.coef_)

生产

[[ 0.16115884  0.08471495  0.39169592]
 [-0.51929011  0.29160846 -0.62106353]]

这里的第一行（[ 0.16115884 0.08471495 0.39169592]）是y1在xs上的回归系数，第二行是y2在xs上的回归系数。

如何为包含大约 500 列作为 y 变量的文件创建线性回归模型？与 Python 一起工作

How do I create a linear regression model for a file that has about 500 columns as y variables? Working with Python

python

loops

linear-regression

pandas