本文共 614 字，大约阅读时间需要 2 分钟。

资料：

回归模型估测：

import statsmodels.api as smX2 = sm.add_constant(X)est = sm.OLS(Y, X2)est2 = est.fit()print(est2.summary())

predictorcols = ['age', 'area', 'room', 'l_room', 'total_floor', '东南向', '东向','南北向', '南向', '西向', '中', '低']import itertoolsAICs = {}for k in range(1, len(predictorcols)+1):    for variables in itertools.combinations(predictorcols, k):        predictor1 = X[list(variables)]        predictor2 = sm.add_constant(predictor1)        est = sm.OLS(Y, predictor2)        res = est.fit()        AICs[variables] = res.aic

from collections import Counterc = Counter(AICs)c.most_common()[::-10]

比全部抛进去准确了 6W

转载地址：https://lipenglin.blog.csdn.net/article/details/78051104 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！