用excel中数据分析功能做线性回归练习

1.打开excel，选择左上角文件，选择打开，点击浏览，选择要打开用的数据文件

2.点击文件，选择更多，点击选项，点击加载项，点击转到

3.勾选分析数据库，点击确定

5.选择上方数据，点击最右侧的数据分析

6.勾选回归，点击确定，选择x轴和y轴范围，勾选残差中的线性拟合图，点击确定

7.在生成的图像中点击右上角的加号，点击趋势线，点击线性预测，点击确定，点击下方显示公式，得到前20行的线性回归方程

8.同样方式得到前200，2000行数据的线性方程

用jupyter编程（不借助第三方库），用最小二乘法

1.打开命令框，输入jupyter notebook

2.在弹出的网页界面中右上角选择new，选择python3

3.在界面中输入以下代码

import pandas as pd
def read_file(raw):#根据行数来读取文件df = pd.read_excel('D:/guoqing001/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)

3.此处测试了前20，200，2000，以及20000行数据，点击运行得到结果

4.对比可知与excel做出来的结果几乎一致

用jupyter编程，借助skleran

同样方式在点击python3后界面中输入以下代码

总结

通过此次实验，我初步掌握了最小二乘法来求线性方程的方法，用调用包的方式做要记住相应的函数，自己写则要记住相应的公式

使用Excel以及jupyter编程构建身高体重数据集的线性回归方程相关推荐

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 ...
基于jupyter notebook的python编程-----利用梯度下降算法求解多元线性回归方程，并与最小二乘法求解进行精度对比
基于jupyter notebook的python编程-----利用梯度下降算法求解多元线性回归方程,并与最小二乘法求解进行精度对比目录一.梯度下降算法的基本原理 1.梯度下降算法的基本原理二.题 ...
Python实现部分地区男人身高/体重数据的线性拟合
# Python实现部分地区男人身高/体重数据的线性拟合 import numpy as np import matplotlib.pyplot as plt from scipy import op ...
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 ...
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 ...
excel线性回归与jupyter编程
文章目录一.利用excel做线性回归 1.启动步骤 2.数据分析二.jupyter编程 1.数据导入 2.不使用第三方库,最小二乘法编码 3.使用skleran编码三.总结一.利用excel做 ...
用excel中数据分析功能做线性回归练习。分别选取20、200、2000（或20000）组数据，进行练习。记录回归方程式、相关系数R2并用jupyter编程
目录 excel数据分析 jupyter编程用最小二乘法重做线性分析借助skleran重做分析过程 excel数据分析首先选取20组数据,回归方程式和相关系数R2如下图: 接下来选取200组数据进 ...
神经网络-1 利用年龄身高体重判断性别
也许完全错误,先随便写写记着~~ 11行代码实现神经网络这就是开头. 偶然冒出来一个想法,利用神经网络通过年龄身高体重判断性别. 在百度文库找了一份身高体重表某地身高体重表转到Excel里,把年 ...
最小二乘法构建线性回归方程
目录一. 相关数学知识的定义 1.1 一元线性回归的定义 1.2 相关系数R²的定义二.使用jupyter来做一元线性回归分析 2.1 根据最小二乘法公式手动构建一元线性回归模型 2.2 调用包实 ...

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

使用Excel以及jupyter编程构建身高体重数据集的线性回归方程相关推荐

最新文章

热门文章