机器学习——线性回归（一）

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：

---

总结

整个流程为: