### 最优子集回归在气温数据拟合中的应用 最优子集回归是一种选择最佳变量组合来构建回归模型的方法。这种方法通过评估所有可能的变量组合，选择能够提供最佳拟合效果的子集[^1]。在Python中，可以使用`statsmodels`库进行回归分析，并结合`itertools`生成变量的所有可能组合。 以下是一个完整的代码示例，展示如何使用Python实现最优子集回归，对与气温相关的历史数据进行拟合并进行回报检验： ```python import pandas as pd import numpy as np import statsmodels.api as sm from itertools import combinations # 假设我们有一个包含气温相关特征的数据集 data = { 'Temperature': [20, 22, 19, 23, 24, 25, 26, 27, 28, 29], 'Humidity': [50, 55, 60, 65, 70, 75, 80, 85, 90, 95], 'WindSpeed': [5, 7, 6, 8, 9, 10, 11, 12, 13, 14], 'Pressure': [1013, 1015, 1010, 1012, 1014, 1016, 1018, 1020, 1022, 1024], 'Target': [1.2, 1.5, 1.3, 1.7, 1.8, 2.0, 2.2, 2.4, 2.6, 2.8] } df = pd.DataFrame(data) # 定义目标变量和自变量 X_columns = ['Temperature', 'Humidity', 'WindSpeed', 'Pressure'] y = df['Target'] # 函数：计算所有可能的子集回归 def best_subset_regression(X_columns, y, data): best_model = None best_adj_r_squared = -np.inf results_summary = [] # 遍历所有可能的变量组合 for k in range(1, len(X_columns)+1): for subset in combinations(X_columns, k): X = data[list(subset)] X = sm.add_constant(X) # 添加常数项 model = sm.OLS(y, X).fit() # 普通最小二乘法 adj_r_squared = model.rsquared_adj # 记录当前最佳模型 if adj_r_squared > best_adj_r_squared: best_adj_r_squared = adj_r_squared best_model = model best_subset = subset # 存储结果以供后续分析 results_summary.append((subset, model.rsquared_adj)) return best_model, best_subset, results_summary # 调用函数 best_model, best_subset, results_summary = best_subset_regression(X_columns, y, df) # 输出最佳模型的结果 print("最佳子集:", best_subset) print(best_model.summary()) # 回报检验：使用测试数据验证模型性能 test_data = pd.DataFrame({ 'Temperature': [30, 31], 'Humidity': [80, 85], 'WindSpeed': [15, 16], 'Pressure': [1026, 1028] }) X_test = test_data[list(best_subset)] X_test = sm.add_constant(X_test) predictions = best_model.predict(X_test) print("预测值:", predictions) ``` ### 代码说明 - 数据预处理部分创建了一个假设的气温相关数据集，其中包含温度、湿度、风速、气压等特征以及目标变量。 - 使用`itertools.combinations`生成所有可能的变量组合。 - 对每个组合进行普通最小二乘法（OLS）回归，并记录调整后的R平方值以选择最佳模型[^2]。 - 最终输出最佳子集及其对应的回归模型摘要。 - 进行回报检验时，使用测试数据验证模型的预测能力。 ### 注意事项 调整后的R平方值是衡量模型拟合优度的重要指标之一，它考虑了模型复杂度的影响[^3]。在实际应用中，建议结合其他统计指标（如AIC、BIC）进一步优化模型选择。