Многомерная/множественная линейная регрессия в Scikit Learn?

Question

У меня есть набор данных (dataTrain.csv & dataTest.csv) в CSV-файл с этим форматом:

Temperature(K),Pressure(ATM),CompressibilityFactor(Z) 
273.1,24.675,0.806677258 
313.1,24.675,0.888394713 
...,...,... 

и в состоянии построить модель регрессии и прогнозирования с помощью этого кода:

import pandas as pd 
from sklearn import linear_model 

dataTrain = pd.read_csv("dataTrain.csv") 
dataTest = pd.read_csv("dataTest.csv") 
# print df.head() 

x_train = dataTrain['Temperature(K)'].reshape(-1,1) 
y_train = dataTrain['CompressibilityFactor(Z)'] 

x_test = dataTest['Temperature(K)'].reshape(-1,1) 
y_test = dataTest['CompressibilityFactor(Z)'] 

ols = linear_model.LinearRegression() 
model = ols.fit(x_train, y_train) 

print model.predict(x_test)[0:5] 

Однако то, что я хочу сделать, это многомерная регрессия. Таким образом, модель будет CompressibilityFactor(Z) = intercept + coef*Temperature(K) + coef*Pressure(ATM)

Как это сделать в scikit-learn?

Answer 1

Если ваш код выше работает одномерный, попробуйте это

import pandas as pd 
from sklearn import linear_model 

dataTrain = pd.read_csv("dataTrain.csv") 
dataTest = pd.read_csv("dataTest.csv") 
# print df.head() 

x_train = dataTrain[['Temperature(K)', 'Pressure(ATM)']].reshape(-1,2) 
y_train = dataTrain['CompressibilityFactor(Z)'] 

x_test = dataTest[['Temperature(K)', 'Pressure(ATM)']].reshape(-1,2) 
y_test = dataTest['CompressibilityFactor(Z)'] 

ols = linear_model.LinearRegression() 
model = ols.fit(x_train, y_train) 

print model.predict(x_test)[0:5]