如何根据已有数据，利用python建立一元一次线性回归方程？

2024-07-01 18:48| 来源: 网络整理| 查看: 265

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

在这里插入图片描述

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，预测工资在这里插入图片描述下面展示一些需要的第三方库。

import pandas as pd #read_excel,读入excel中的数据 import matplotlib.pyplot as plt #绘制回归曲线 from sklearn.linear_model import LinearRegression #包含通过最小二乘法，建立线性回归方程的系数的第三方库

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在这里插入图片描述我们可以再加入原始数据的散点图，看起来可视化程度会更高！

plt.scatter(x_国内生产总值, y_工资) # 此行代码要加在 plt.show() 之前

点击运行，结果如下：在这里插入图片描述

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！

【本文地址】

公司简介

联系我们