mcpField
R
regression-modeler

regression-modeler

github.com/zebbern数据与数据库4.7k38 次安装1 天前更新
代码仓库

关于 regression-modeler

regression-modeler 是用于表格数据的自动回归分析工具，面向需要评估变量关系或预测结果的分析人员。它可执行 OLS 线性回归或 Logit 逻辑回归，并以通俗语言解释统计指标。

主要功能

  1. 01OLS 线性回归分析
  2. 02Logit 逻辑回归分析
  3. 03检测预测变量多重共线性
  4. 04通俗解释系数与统计指标
  5. 05二元目标自动选择模型

适用场景

  1. 01分析连续变量的影响因素
  2. 02研究二元结果与预测变量的关系
  3. 03将回归结果保存为 JSON

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/zebbern/claude-code-guide --skill regression-modeler

安装后在 Claude Code 中输入/regression-modeler确认已加载。

附带文件LICENSEscripts/regression_analyzer.py

详细介绍

回归建模工具

自动回归建模工具——对表格数据执行线性回归（OLS）或逻辑回归（Logit），并提供全面的统计结果和通俗易懂的解读。

功能

功能描述
线性回归OLS，包含系数、R²、调整后 R²、F 检验、AIC/BIC、Durbin-Watson
逻辑回归Logit，包含系数、优势比、伪 R²、似然比检验
多重共线性检测提供各预测变量的 VIF 值及警告级别
通俗易懂的解读清晰解释各项指标和系数的含义
自动检测目标变量为二元变量（0/1）时，自动切换到逻辑回归

快速开始

# Linear regression: predict price using all numeric columns as predictors
python3 scripts/regression_analyzer.py data.csv --target price

# Logistic regression: predict churn (0/1) with specified features
python3 scripts/regression_analyzer.py users.csv --target churn --features "age,income,tenure"

# Save results to JSON
python3 scripts/regression_analyzer.py data.csv --target sales --output result.json

详细用法

基本调用
python3 scripts/regression_analyzer.py <data_file> --target <target_column> [options]
指定回归类型
# Force linear regression
python3 scripts/regression_analyzer.py data.csv -t y --type linear

# Force logistic regression
python3 scripts/regression_analyzer.py data.csv -t label --type logistic

# Auto-detect (default)
python3 scripts/regression_analyzer.py data.csv -t y --type auto
选择特征列
# Manually specify (comma-separated)
python3 scripts/regression_analyzer.py data.csv -t price -f "sqft,bedrooms,bathrooms"

# Omit to automatically use all numeric columns
python3 scripts/regression_analyzer.py data.csv -t price

参数

参数简写必填默认值描述
input—是—输入文件路径（CSV/TSV/Excel/JSON）
--target-t是—目标变量（因变量）列名
--features-f否所有数值列预测变量列名，以逗号分隔
--type-T否auto回归类型：linear / logistic / auto
--output-o否stdout输出 JSON 文件路径
--no-const—否false不添加截距项
--keep-na—否false保留含缺失值的行（用于调试）

输出结构（JSON）

{
  "type": "linear",
  "r_squared": 0.8523,
  "r_squared_adj": 0.8471,
  "f_statistic": 162.34,
  "f_p_value": 0.0,
  "coefficients": {
    "sqft": {"coefficient": 135.42, "p_value": 0.0001, ...},
    "bedrooms": {"coefficient": 8021.5, "p_value": 0.032, ...}
  },
  "vif": {"sqft": 2.31, "bedrooms": 1.87},
  "interpretation": {
    "model_summary": ["R² = 0.8523 (good model fit...)"],
    "variable_analysis": ["sqft: coefficient = 135.42... positive effect..."]
  }
}

依赖项

  • Python 3.8+
  • pandas
  • numpy
  • statsmodels
  • scipy
pip install pandas numpy statsmodels scipy

评论

支持 Markdown