在 Python 中自动 Linear/Multiple 回归，包含 50 多列

Question

我有一个超过 50 列的数据集，我正试图在 Python 中找到一种方法来在每个变量组合之间进行简单的线性回归。这里的目标是找到进一步分析的起点（即，我将深入研究那些具有显着 R 方的货币对）。

我已将所有列放入 numpy 数组列表中。我怎样才能在每个组合之间进行简单的线性回归，并为该组合打印 R 平方？是否有可能尝试使用最多 5-6 个变量的多元线性回归，对每个组合再次进行？

每个数组大约有 200 行，因此在速度方面的代码效率对于这个个人项目来说不是大问题。

Answer 1

这更像是一个 EDA 问题，而不是 python 问题。查看一些回归资源，特别是相关矩阵。但是，一种可能的解决方案是使用 itertools.combinations 组大小为 6。这将为您提供 15,890,700 个不同的选项用于运行回归，因此除非您想要运行大于 1500 万次回归你应该做一些 EDA 来找到数据集中的重要特征。

Answer 2

如果您正在寻找具有高 r 平方值的列，只需尝试使用相关矩阵。为了简化可视化，我建议您使用 seaborn 绘制热图：

import seaborn as sns
import matplotlib.pyplot as plt

df_corr = df.corr()
sns.heatmap(df_corr, cmap="coolwarm", annot=True)
plt.show()

我对您的其他建议是运行在您的数据集中进行主成分分析 (PCA) 以找到变异性最高的特征。通常，这些变量是最重要的，可用于做出最佳预测。如果需要有关此技术的更多信息，请告诉我。

在 Python 中自动 Linear/Multiple 回归，包含 50 多列

Automatic Linear/Multiple Regression in Python with 50+ columns

python

linear-regression

pandas

scikit-learn