线性回归模型(一):一元线性模型预测房价
前言
回归由来:皮尔逊收集了千多名成员的身高记录,发现对于父亲高的群体,儿辈的平均身高低于他们父辈的身高;而对于一个父亲矮的群体,儿辈的平均身高则高于父辈的身高。这样就把高的和矮的儿辈一同“回归”到所有男子的平均身高,用高尔顿的话说,这是“回归到中等”
一、线性回归的定义
线性回归(Linear regression)是利用回归方程(函数)对一个或多个自变量(特征值)和因变量(目标值)之间关系进行建模的一种分析方式。
二、线性回归(一元)
1.一元线性回归定义
一元线性回归包含一个自变量和一个因变量,以上两个变量的关系用一条直线来模拟。
2.一元线性回归公式
3.一元线性回归预测房价
代码如下(示例):
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # 步骤一(替换sans-serif字体)
plt.rcParams['axes.unicode_minus'] = False # 步骤二(解决坐标轴负数的负号显示问题)
size = [30,35,40,42,50,55,80,85,100,120,125,128,145,180,230,250]
price = [300000,400000,450000,480000,530000,585000,890000,950000,1050000,1350000,1450000,1600000,1800000,2030000,2500000,2800000]
plt.scatter(size,price,marker="x",c="r")
plt.xlabel("房子尺寸(平方米)")
plt.ylabel("房价(元)")
plt.show()
图标实现: