python - 多元回归 Python

Question

我真的不明白我的(简单)代码有什么问题......

我只想测试多元线性回归(......!)。

 import pandas as pd
 import numpy as np
 import scipy.stats as st
 import sklearn
 n = 1000

 X1 = linspace(2, 8.5, n)
 X2 = linspace(-4, 2.9, n)
 X3 = linspace(-1, 16, n)

 X = np.transpose( [X1, X2, X3] )

 Y = 2*X1 + 3.2*X2 -1.2*X3  +  4  + st.norm.rvs(size = n, loc = 0, scale = 0.6)

 X = pd.DataFrame( X , columns = ["X1", "X2", "X3"])
 Y = pd.DataFrame(Y, columns = ["Y"])

 #Create linear regression object:
 my_reg = sklearn.linear_model.LinearRegression()

 #Train:
 my_reg.fit(X, Y)

 print('Coefficients: \n', my_reg.coef_)
 print('Constant: \n', my_reg.intercept_)

我得到了一些愚蠢的结果，比如系数是 [0.25127347 0.26673645 0.65717676] ...

我也试过 OLS 方式，但我仍然得到无意义的系数(略有不同但仍然很愚蠢)

(它与单变量线性回归一起工作，比如 Y = 2*X + 5，我会得到非常接近真实值的系数和截距)

Answer 1

谢谢大家!

我有一段时间没有进行线性回归，当然是因为 X 不可逆(在 R 中，它给了我 'nan')。

所以这不是一个聪明的问题......

再次感谢!