У меня есть набор данных (dataTrain.csv и dataTest.csv) в CSV файле с таким форматом:
Temperature(K),Pressure(ATM),CompressibilityFactor(Z)
273.1,24.675,0.806677258
313.1,24.675,0.888394713
...,...,...
И в состоянии построить регрессионную модель и предсказание 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?