1.1 一元线性回归分析案例

#将pyplot字体转化成中文
matplotlib.rcParams['font.family'] = 'Microsoft YaHei'
plt.rcParams['font.size'] = 12  # 设置字体大小
plt.rcParams['axes.unicode_minus'] = False  # 设置正常显示负号

案例背景：寻找房屋面积与价格的关系并进行预测图

#需要的包
import matplotlib.pyplot as plt
from matplotlib import font_manager
import matplotlib
import numpy as np
import pandas as pd # 读取数据函数
data = pd.read_csv(r"C:\Users\A\Desktop\python\上课用\数据挖掘案例\回归分析\预测房屋面积.csv")
X = [] #空列表用于接收数据
Y = []
for single_square_feet ,single_price_value in zip(data['平方英尺'],data['价格（元/平方英尺）']): #遍历数据X.append([float(single_square_feet)]) #存储在相应的list列表中Y.append(float(single_price_value))  #存储在相应的list列表中
X,Y#将pyplot字体转化成中文
matplotlib.rcParams['font.family'] = 'Microsoft YaHei'
plt.rcParams['font.size'] = 12  # 设置字体大小
plt.rcParams['axes.unicode_minus'] = False  # 设置正常显示负号#画图判断
def runplt(size=None):plt.figure(figsize=size)#figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)plt.title('散点图')plt.xlabel('平方英尺')plt.ylabel('价格')plt.axis([50, 800, 6450, 20000])plt.grid(True)return plt
plt = runplt()
X=X #赋值
y=Y
plt.plot(X, y,"k.")#"k."表示散点图，否则为折线
plt.show()

图像为：

#调用sklearn中的linear_model模块进行线性回归。
from sklearn import linear_model
model = linear_model.LinearRegression()
model.fit(X, y) #训练模型
intercept=display(model.intercept_)  #截距
coefficient=display(model.coef_)  #线性模型的系数
predict_outcome = model.predict(np.array(predict_value).reshape(1, -1)) #预测数据，此处传入数据必须是数组
predicted_value=700
predict_outcome

结果为：

进行拟合效果检验：

#图形检验
regr = linear_model.LinearRegression().fit(X, y)
plt.scatter(X,y,color='blue') #散点图，设置颜色
plt.plot(X,regr.predict(X),color='red',linewidth=4) #拟合曲线
plt.xticks(())
plt.yticks(())
plt.show()

1.1 一元线性回归分析案例相关推荐

python实现一元线性回归分析的全部过程
目标:写清楚一元线性回归分析的全部过程. 一元线性回归分析步骤: 确定变量variable:independent variable and dependent variable 画散点图scatte ...
matlab一元线性回归分析_建模开讲：一元线性回归分析及SPSS软件实现
主讲内容:一元线性回归分析及SPSS软件实现主讲时间:2020年3月28日(周六)上午9:00 直播平台:腾讯课堂主讲人:么彩莲链接地址:点击下面的"阅读原文"可以获得直播地 ...
从简单的一元线性回归分析入门机器学习
什么是回归分析回归分析(regression analysis)是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法.运用十分广泛,回归分析按照涉及的变量的多少,分为一元回归和多元回归分析 ...
[Python] 一元线性回归分析实例
本文通过一个简单的例子:预测房价,来探讨怎么用python做一元线性回归分析. 1. 预测房价房价是一个很火的话题,现在我们拿到一组数据,是房子的大小(平方英尺)和房价(美元)之间的对应关系,如下( ...
基于Python的地理数据分析之一元线性回归分析-数学原理02.md
行成于思毁于随,业精于勤荒于嬉. 文章目录前言 1. 声明 2. 版本 2.1 山东青岛,Version 1 3. 关键词一.最小二乘法 1. 什么是最小二乘法 1.1 公式表达 2. 最小 ...
一元线性回归分析的R语言实现（RStudio）
简介回归分析是一种应用广泛的数理统计方法,它是研究变量与变量之间的相关关系,这种关系大致分为两类:确定性关系(能用函数精确描述)和非确定性关系(不能用函数描述). 变量间的非确定性关系称为相关关系. ...
R假设检验与一元线性回归分析
假设检验相关系数 cor(x,y) cor.test(x,y) 相关系数越接近1,x与y越相关 > data("iris") > plot(iris) > ...
（生物信息学）R语言与统计学入门（七）—— 一元线性回归分析
我们之前讲过相关性分析,生物信息学常见的相关性分析是pearson相关和spearman相关. (生物信息学)R语言与统计学入门(六)-- Pearson和Spearman相关性分析_Lijingxi ...
在python中使用最小二乘法画出拟合曲线_基于jupyter notebook的python编程-----运用最小二乘法，导入文件数据模拟一元线性回归分析...
基于jupyter notebook的python编程-----运用最小二乘法,导入文件数据模拟一元线性回归分析用最小二乘法模拟一元线性回去曲线的目录一.运行jupyter notebook,搭建 ...

1.1 一元线性回归分析案例

1.1 一元线性回归分析案例相关推荐

最新文章

热门文章