已知 x = np.array([...])

y = np.array([...])

z = np.array([...])

如何利用 方程 z=cy+ax+b 线性回归出 参数： a， b，c 和 相关系数R^2 .

感谢！

import numpy as np
from sklearn import linear_model
clf = linear_model.LinearRegression()

N = 10
x = np.random.rand(N)
y = np.random.rand(N)
z = 0.2*x - 0.5*y + 1.2 + np.random.rand(N)*0.02

clf.fit(np.c_[x, y], z)
print clf.coef_, clf.intercept_

为什么这个 linear_model.LinearRegression() 回归的结果不稳定？

我稍微改了下：

import numpy as np

from sklearn import linear_model

clf = linear_model.LinearRegression()

N = 10

x = np.arange(N)

y = np.arange(N)

z = 0.2*x + 0.5*y + 1.2

clf.fit(np.c_[x, y], z)

print clf.coef_, clf.intercept_

当N = 10 ， 50， 100，200， ... 时；结果分别依次如下：

[ 0.35  0.35] 1.2

[ 0.06256389  0.63743611] 1.2

[ 0.19425507  0.50574493] 1.2

[-0.04398223  0.74398223] 1.2

另外如何输出 相关系数R^2 ？

你的x和y是一样的，这样的话只要两个系数加起来是0.7就都是正确的。

明白了，多谢斑竹！