初识线性回归

一、数学原理分析
- 线性回归
- 最小二乘法
二、EXCEL简单处理
- 20组数据
- 200组数据
- 2000组数据
- 20000组数据
三、python语言设计最小二乘法计算（使用anaconda的jupyterlab）
- 使用工具介绍
- 不调用包的python计算
- 调用包的python计算
四、参考材料

一、数学原理分析

线性回归

当两个变量存在准确、严格的直线关系时，可以用Y=a+bX，表示两者的函数关系。
其中X 为自变量（independent variable）；Y是因变量（ dependent variable ）。
但在实际生活当中，由于其它因素的干扰，许多双变量之间的关系并不是严格的函数关系，不能用函数方程来准确反映，为了区别于两变量间的函数方程，我们称这种关系为回归关系，用直线方程来表示这种关系称为回归直线或线性回归。

最小二乘法

计算原理：最小二乘法，即保证各实测点到回归直线的纵向距离的平方和最小，并使计算出的回归方程最能代表实测数据所反映出的直线趋势。
相关公式：

Y的总变异分解：

R的平方取值在0到1之间，反映了回归贡献的相对程度。

二、EXCEL简单处理

处理的文件地址，可自行下载。

20组数据

使用excel绘制的图片：

200组数据

使用excel绘制的图片：

2000组数据

使用excel绘制的图片：

20000组数据

使用excel绘制的图片：

三、python语言设计最小二乘法计算（使用anaconda的jupyterlab）

使用工具介绍

使用了Anaconda里的一个工具jupyterlab，可在Anaconda官网自行下载。
打开anaconda里的jupyterlab，将会以网页方式打开：

点击python创建一个文件：

不调用包的python计算

#不掉包实现一元线性回归
import pandas as pd
def read_file(raw):#根据行数来读取文件df = pd.read_excel('..\\source\\weights_heights(身高-体重数据集).xls',sheet_name ='weights_heights')height=df.iloc[0:raw,1:2].valuesweight=df.iloc[0:raw,2:3].valuesreturn height,weightdef array_to_list(array):#将数组转化为列表array=array.tolist()for i in range(0,len(array)):array[i]=array[i][0]return arraydef unary_linear_regression(x,y):#一元线性回归，x,y都是列表类型xi_multiply_yi=0xi_square=0;x_average=0;y_average=0;f=xfor i in range(0,len(x)):xi_multiply_yi+=x[i]*y[i]x_average+=x[i]y_average+=y[i]xi_square+=x[i]*x[i]x_average=x_average/len(x)y_average=y_average/len(x)b=(xi_multiply_yi-len(x)*x_average*y_average)/(xi_square-len(x)*x_average*x_average)a=y_average-b*x_averagefor i in range(0,len(x)):f[i]=b*x[i]+aR_square=get_coefficient_of_determination(f,y,y_average)print('R_square='+str(R_square)+'\n'+'a='+str(a)+'  b='+str(b))def get_coefficient_of_determination(f,y,y_average):#传输计算出的值f和x,y的真实值还有平均值y_average，获取决定系数，也就是R²res=0tot=0for i in range(0,len(y)):res+=(y[i]-f[i])*(y[i]-f[i])tot+=(y[i]-y_average)*(y[i]-y_average)R_square=1-res/tot return R_squareraw=[20,200,2000,20000]
for i in raw:print('数据组数为'+str(i)+":")height,weight=read_file(i)height=array_to_list(height)weight=array_to_list(weight)unary_linear_regression(height,weight)

点击运行：

得到结果（可与excel的进行对比）：

调用包的python计算

与上面过程一样，只是代码发生了变化，调用了pandas的sklearn方法,会使代码简单一点，不用自己敲写算法：

#调包实现一元线性回归
from sklearn import linear_model
from sklearn.metrics import r2_score
import numpy as np
import pandas as pd
def read_file(raw):#根据行数来读取文件df = pd.read_excel('D:\weights_heights(身高-体重数据集).xls',sheet_name ='weights_heights')height=df.iloc[0:raw,1:2].valuesweight=df.iloc[0:raw,2:3].valuesreturn height,weightraw=[20,200,2000,20000]#要读取的行数
for i in raw:print('数据组数为'+str(i)+":")height,weight=read_file(i)weight_predict=weightlm = linear_model.LinearRegression()lm.fit(height,weight)b=lm.coef_a=lm.intercept_weight_predict=lm.predict(height)#计算有方程推测出来的值R_square=r2_score(weight,weight_predict)#计算方差print('b='+str(b[0][0])+' a='+str(a[0]))print('R_square='+str(R_square))

得到结果：

四、参考材料

weights_heights(身高-体重数据集).xls
简单线性回归 (统计学角度).ppt

使用线性回归对身高体重数据集分析相关推荐

使用Excel以及jupyter编程构建身高体重数据集的线性回归方程
目录用excel中数据分析功能做线性回归练习用jupyter编程(不借助第三方库),用最小二乘法用jupyter编程,借助skleran 总结用excel中数据分析功能做线性回归练习 1.打开 ...
使用Excel和jupyter拟合身高体重数据集线性回归模型
文章目录一.使用Excel拟合线性回归模型 1.20组数据拟合 2.200组数据拟合 3.2000组数据拟合二.用jupyter编程(不借助第三方库),用最小二乘法 3.20组数据拟合 2.200 ...
基于身高与体重数据集与Auto数据集分别进行线性回归和Lasso回归（代码逐行讲解，超细节）
身高体重 #还是先导入要用的包,没下载的要先去下载依赖包 import pandas as pd import statsmodels.api as sm from plotly.offline im ...
如何利用excel和jupyter 编程，对身高体重的数据做线性回归
文章目录前言一.用excel 做线性回归 (一)Excel 数据分析选项设置 (二)线性回归分析二.用jupyter编程实现 (一)借助skleran (二)不借助第三方库,用最小二乘法总结 ...
机器学习-线性回归-身高体重关系预测
基于上一篇机器学习-根据身高体重画图练习, 本篇采用回归模型,拟合身高和体重的数据,并且可以根据给定的身高预测体重. # 引用sklearn库,其中包含线性回归模块 from sklearn impo ...
运用最小二乘法和sklearn库分析身高体重数据
文章目录一.使用Excel分析身高体重二.用Jupyter Notebook编程使用最小二乘法分析身高体重三.运用Sklearn库,导入数据模拟. 四.参考一.使用Excel分析身高体重 (这 ...
小学身高体重测试软件,学生身高、体重检测汇总分析
2018年秋季,我校对全校993名学生进行体质健康检查.卫生室教师检测视力:体育组教师检测身高.体重.肺活量.镇中心卫生医院负责检查血压.龋齿.内科等16项指标,共计20项内容. 本文针对学生的身高. ...
新手奶爸，分享一款记录儿童身高体重的APP，并分析其中所用到的技术。
所用的技术: 1.本地数据存储(SharedPreferences + SQLite数据库) 2.databinding组件库应用. 3.RecyclerView加载列表类数据. 应用简介: 本应用是 ...
送书 | 使用决策树对身高体重数据进行分类
决策树(Decision Tree)是一个非参数的监督式学习方法,决策树又称为判定树,是运用于分类的一种树结构,其中的每个内部节点代表对某一属性的一次测试,每条边代表一个测试结果,叶节点代表某个类或类 ...

使用线性回归对身高体重数据集分析

初识线性回归

一、数学原理分析

线性回归

最小二乘法

二、EXCEL简单处理

20组数据

200组数据

2000组数据

20000组数据

三、python语言设计最小二乘法计算（使用anaconda的jupyterlab）

使用工具介绍

不调用包的python计算

调用包的python计算

四、参考材料

使用线性回归对身高体重数据集分析相关推荐

最新文章

热门文章