Python 我在sklearn糖尿病数据集中的得分很低，使用线性回归，请指导我如何绘制多重线性回归

答案是

from sklearn import datasets

diabetes = datasets.load_diabetes()
diabetes.keys()
print(diabetes.feature_names)
diabetes.DESCR

diabetes.data
diabetes.target

import pandas as pd

file =pd.DataFrame(data=diabetes.data,columns=diabetes.feature_names)

file['DiseaseProgression']=diabetes.target
_______________________________________________________________________________________________________


import statsmodels.formula.api as ms

md=ms.ols(formula="DiseaseProgression~sex+bmi+bp+s1+s2+s3+s4",data=file)
reg=md.fit() #let model to read the available and make equation
reg.summary()

使用线性回归：

OLS Regression Results
Dep. Variable:  DiseaseProgression  R-squared:  0.494
Model:  OLS Adj. R-squared: 0.486
Method: Least Squares   F-statistic:    60.53
Date:   Sat, 09 Nov 2019    Prob (F-statistic): 2.32e-60
Time:   00:51:16    Log-Likelihood: -2396.6
No. Observations:   442 AIC:    4809.
Df Residuals:   434 BIC:    4842.
Df Model:   7       
Covariance Type:    nonrobust       
coef    std err t   P>|t|   [0.025  0.975]
Intercept   152.1335    2.629   57.860  0.000   146.966 157.301
sex -233.5603   61.951  -3.770  0.000   -355.323    -111.798
bmi 576.7016    66.290  8.700   0.000   446.412 706.991
bp  360.0567    64.135  5.614   0.000   234.003 486.110
s1  866.2823    194.446 4.455   0.000   484.109 1248.455
s2  -875.1899   155.944 -5.612  0.000   -1181.690   -568.690
s3  -575.3824   151.388 -3.801  0.000   -872.927    -277.838
s4  125.8840    163.789 0.769   0.443   -196.034    447.802
Omnibus:    2.993   Durbin-Watson:  1.984
Prob(Omnibus):  0.224   Jarque-Bera (JB):   2.595
Skew:   0.094   Prob(JB):   0.273
Kurtosis:   2.676   Cond. No.   108.

O/p:0.5177494254132934

还有怎么画这个,， 再次：我只想知道我做的是对的还是错的，如果是错的，我应该怎么做才能得到好的答案，请告诉我如何绘制多线性回归图，以及如何绘制预测和实际o/p之间的比较图

---

提前感谢

您能解释一下您对此的期望吗？OLS是一种封闭形式的解决方案，它将根据您的方程给出精确的结果。我看到你把年龄从等式中去掉了。另外，您的文件inp和文件op变量中有什么？您能解释一下您对此的期望吗？OLS是一种封闭形式的解决方案，它将根据您的方程给出精确的结果。我看到你把年龄从等式中去掉了。另外，您的file_inp和file_op变量中有什么？

from sklearn.linear_model import LinearRegression
lr=LinearRegression()
lr.fit(file_inp,file_op).score(file_inp,file_op)