如何根据已有数据,利用python建立一元一次线性回归方程? | 您所在的位置:网站首页 › excel自变量和因变量怎么导入数据中 › 如何根据已有数据,利用python建立一元一次线性回归方程? |
作者:非妃是公主 专栏:《python学习》 个性签:顺境不惰,逆境不馁,以心制境,万事可成。——曾国藩 如果只有一个自变量X,而且因变量Y和自变量X之间的数量变化关系呈近似线性关系,就可以建立一元线性回归方程,由自变量X的值来预测因变量Y的值,这就是一元线性回归预测。 数据: 拟合数据如下,我们要根据国内国内生产总值,预测工资 将excel表中的数据读到data变量中,data为一个dataframe类型框架,并利用data初始化x,y data = pd.read_excel("F:/数据测试.xlsx") # 参数为excel文件的路径 x_国内生产总值 = data["国内生产总值(亿元)"].values.reshape(-1, 1) #将其转化为列向量 y_工资 = data["工资(元)"].values.reshape(-1, 1)#将其转化为列向量然后对建立一元线性模型,并拟合数据 reg = LinearRegression() #建立一元线性模型 model = reg.fit(x_国内生产总值, y_工资) #拟合数据然后对样本中的值,进行预测,并绘制出图像 predictions = model.predict(x_国内生产总值) # 对样本中的值,进行预测 plt.plot(x_国内生产总值, predictions) # 绘制回归曲线 plt.title("GDP-Time") #图像的标头 plt.xlabel("国内生产总值(/亿元)") # x轴标签 plt.ylabel("工资(/元)") # y轴标签 plt.show() #显示图像然后我们运行程序,就得到了以下回归方程曲线 点击运行,结果如下: 至此,一元函数的线性回归就暂时告一段落了(后面可能会对计算一元线性回归的拟合优度,判断线性回归方程是否合理进一步叙述,今天先从简单的开始),在实践中学习,由易到难。 如有问题,欢迎评论区留言! 大家的赞,是对我最大的肯定! |
CopyRight 2018-2019 实验室设备网 版权所有 |