### Python 实现最优子集回归方程对气象站高温极值数据进行拟合和预测 为了实现对气象站高温极值数据（1961-2010）的拟合和预测，可以使用 Python 中的 `leaps` 和 `statsmodels` 等库来完成最优子集回归。以下是一个完整的解决方案： #### 数据准备与预处理 在进行回归分析之前，需要对数据进行必要的预处理。这包括缺失值处理、标准化以及特征选择等步骤[^3]。 ```python import pandas as pd import numpy as np from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler # 加载数据 data = pd.read_csv("high_temperature_data.csv") # 假设文件名为 high_temperature_data.csv # 数据清洗：处理缺失值 data = data.dropna() # 特征和目标变量分离 X = data.drop(columns=['target']) # 假设目标变量列名为 'target' y = data['target'] # 数据分割：训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 特征标准化 scaler = StandardScaler() X_train_scaled = scaler.fit_transform(X_train) X_test_scaled = scaler.transform(X_test) ``` #### 最优子集回归实现 使用 `leaps` 包进行最优子集回归模型的选择。该包能够帮助我们找到最佳的自变量组合[^1]。 ```python from leaps import regsubsets # 使用 regsubsets 进行最优子集回归 regressor = regsubsets(n_best=1) # 每个子集中选择一个最佳模型 regressor.fit(X_train_scaled, y_train) # 获取最佳模型 best_subset_summary = regressor.summary() print(best_subset_summary) ``` #### 模型评估与验证 通过 `statsmodels` 对选出的最佳模型进行进一步评估，计算回归系数、标准误、t 统计量及 p 值等指标[^1]。 ```python import statsmodels.api as sm # 根据最优子集回归结果提取最佳特征 best_features = best_subset_summary.rsq.idxmax() + 1 # 假设以 R^2 最大为标准 selected_features = best_subset_summary.which[best_features - 1] X_train_selected = X_train_scaled[:, selected_features] # 添加常数项 X_train_const = sm.add_constant(X_train_selected) # 构建线性回归模型 model = sm.OLS(y_train, X_train_const).fit() print(model.summary()) ``` #### 预测与结果展示 利用训练好的模型对测试集进行预测，并计算相关误差指标以评估模型性能。 ```python from sklearn.metrics import mean_squared_error, r2_score # 测试集特征选择 X_test_selected = X_test_scaled[:, selected_features] X_test_const = sm.add_constant(X_test_selected) # 预测 y_pred = model.predict(X_test_const) # 计算误差指标 mse = mean_squared_error(y_test, y_pred) r2 = r2_score(y_test, y_pred) print(f"Mean Squared Error: {mse}") print(f"R-squared: {r2}") ``` #### 结果解释 - **Estimate** 表示每个自变量的回归系数。 - **Std. Error** 是回归系数的标准误。 - **t value** 和 **Pr(>|t|)** 分别表示回归系数的 t 检验统计量及其对应的 p 值，用于判断自变量是否显著[^1]。 - **F-statistic** 和其 p 值是对整个模型的显著性检验。 ---