”父母子女身高“数据集（高尔顿数据集）进行线性回归分析实验

最新推荐文章于 2024-03-19 18:00:59 发布
最新推荐文章于 2024-03-19 18:00:59 发布
阅读量8.6k 收藏 19
点赞数 2
分类专栏： 学习 文章标签： 数据分析 大数据
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/TBMmagic/article/details/115014783
版权
本文通过Excel对'父母子女身高'数据集进行线性回归分析，探讨父母身高与子女身高的关系。分析过程包括数据预处理、散点图观察、回归方程计算和方差分析，结果显示父亲与子女、母亲与子女的身高线性相关性不强。
摘要由CSDN通过智能技术生成

”父母子女身高“数据集（高尔顿数据集）进行线性回归分析实验

一、配置Excel

实验将使用到Excel的数据分析工具，一般情况下是没有的，需要添加

选择‘文件’——>‘选项’——>‘加载项’——>‘分析工具库’——>‘确定’添加至数据版面中

在这里插入图片描述

二、对数据做线性回归分析

1、对数据散点图分析

在这里插入图片描述

初步看出散点图中父母的身高数据还比较有迹可循，说明这组数据集是有规律的；同时，数据中有许多数据是重复的，我们先对数据进行去除重复的处理

在数据工具栏中找到删除重复值，同时选择所有的数据

在这里插入图片描述

2、做数据回归分析

在数据分析工具中选择回归

在这里插入图片描述

选择好X、Y数据的区域，如果要选择标题，则添加标志打勾，否则在所选数据中出现非数值会报错

最低0.47元/天 解锁文章
小熊打饼干
关注
  • 2
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
线性回归练习——父母与子女身高的关系
java_creater的博客
03-20 4266
线性回归练习——父母与子女身高的关系Excel基础设定父母与儿子的身高关系父亲与儿子的身高关系母亲与儿子的身高关系多元线性回归 Excel基础设定 以下使用的Excel为win10自带的 选择“文件”，点击“选项”，选择“加载项”，点击“转到”勾选下图中两项 生成回归拟合图的方式 点击“数据”，选择“数据分析”，在分析工具中选择“回归”后点击“确认” 在之后的界面中选择录入的x，y值（点击框后的箭头看快速勾选），再勾选下面的线性拟合图 父母与儿子的身高关系 父亲与儿子的身高关系 进入表格
wps对父母子女身高数据集的线性回归处理
qq_42032327的博客
03-25 1263
wps对父母子女身高数据集的线性回归 文章目录wps对父母子女身高数据集的线性回归一、预处理二、线性回归1.父子身高关系的线性回归2.母子身高关系的线性回归总结 一、预处理 （1）用wps打开用数据集 (2)点击下标栏的"+"添加两个新的Excel表 （3）复制父子的身高到sheet3 (4)复制母子的身高到sheet4 （5）删除重复选项 选择整个excel表 选择"数据"选项卡，选择"删除重复值" （6）设置筛选性别 先选择整个excel表 选择“开始”选项卡，在选择"筛选"，在首行出现
实战三：根据父母的身高预测儿子的身高
03-09
实现根据输入的父亲和母亲的身高，预测出儿子的身高，并打印出来。计算公式为:儿子身高=(父亲身高+母亲身高) X0.54。
如何利用Excel中进行高级数据分析.docx
07-13
如何利用Excel中进行高级数据分析.docx
sklearn对父母子女身高数据集做线性分析
xwmrcj的博客
03-24 1522
文章目录一、实验说明二、数据预处理三、sklearn 线性回归1. "父亲-儿子" 线性回归分析2. "母亲-儿子" 线性回归分析四、参考???? 一、实验说明 实验环境 Anaconda + python3.6 + jupyter 实验说明 分别对 “父亲-儿子” 和 “母亲-儿子” 的身高数据做线性分析 数据集和源码 链接：https://pan.baidu.com/s/1qVCv03xuWp9OtIGmCGKmTA 提取码：b3mb 二、数据预处理 原始数据格式如下： 第一步，用exce
基于身高与体重数据集与Auto数据集分别进行线性回归和Lasso回归（代码逐行讲解，超细节）
喝饱水没烦恼的博客
05-21 2382
身高体重 #还是先导入要用的包，没下载的要先去下载依赖包 import pandas as pd import statsmodels.api as sm from plotly.offline import init_notebook_mode, iplot import plotly.graph_objs as go init_notebook_mode(connected=True) #此句的作用是用来设置用户名与API data = pd.read_csv('weight.csv') #
数据分析实战 | 线性回归——女性身高与体重数据分析
天下弈星~的博客
11-09 3745
使用python，利用简单线性回归模型和多项式回归模型对女性身高与体重的数据进行建模分析与改进,步骤包括数据读入、数据理解、数据准备、模型训练、模型评价、模型调参、模型预测等。
数据集-用做回归.csv
06-20
可用做深度学习测试的一维线性回归数据集。数组大小247*900，实验数据取自真实场景，回归精度好。9种特征，每种特征有100条数据。
正态分布钉板演示实验（高尔顿钉板）
04-03
5. 模拟时间：让实验运行一段时间，观察并分析结果是否接近正态分布。 通过这个实验，不仅可以理解正态分布的特性，还能学习到易语言的编程技巧，如数组操作、随机数生成和图形绘制等。同时，这也是一种寓教于乐的...
线性回归分析PPTPPT学习教案.pptx
10-04
例如，如果李明想要开一家社区超市，他可以通过收集小区常住人口数与超市年销售额的数据，进行一元线性回归分析，从而预测不同人口规模的小区可能的销售额，帮助他做出选址决策。 进一步地，如果李明考虑更多的因素...
Heights and Weights Dataset 身高和体重数据集-数据集
03-15
这是一个简单的数据集。它仅包含25,000个18岁的不同人的身高（英寸）和体重（磅）。该数据集可用于构建可预测人类身高或体重的模型。实现将用于预测身高或体重的回归模型。 SOCR-HeightWeight.csv
父子身高-线性回归20200422.xlsx
04-22
1:根据父子身高建立线性回归模型，并检验变量间线性关系是否显著； 2:尝试解释模型中回归系数的现实含义；
谢中华—数据分析—回归分析
07-21
在数据分析中，回归分析被广泛应用于探索变量间的关联，建立数学模型，以及预测未知数据点。谢中华老师的讲解主要涵盖了回归分析的基本概念和一元线性回归分析的细节。 回归一词起源于19世纪，由英国统计学家...
线性回归
lee__7的博客
10-24 306
描述 在这里我们使用一个线性回归模型来拟合身高-体重的数据，也就是希望通过身高来预测标准体重。在已创建的数据集里已经给出了部分样本，所以一旦我们训练出一个模型，则可以对任意的身高数据都可以给出一个体重的预测值。这里需要分成3个部分。 第一部分是数据的创建； 第二部分是利用线性回归来拟合数据； 第三部分是利用已经训练好的模型去预测任意的体重并画出对任意体重的预测值，这里需要使用plot, 并且指定颜...
根据线性回归模型预测儿童身高
zpeien
12-02 4785
理论上，一个人的身高除了随年纪变大而增长之外，在一定程度上还受遗传和饮食习惯以及其他因素的影响，但是饮食等其他因素对身高的影响很难衡量。我们可以把问题简化一下，假定一个人的身高只受年龄、性别、父母身高、祖父母身高，外祖父母身高这几个因素的影响，并假定大致符合线性关系。 import copy import numpy as np from sklearn import linear_model # 儿童年龄,性别(0女1男),父亲身高,母亲身高,祖父身高,祖母身高,外祖父身高,外祖母身高 x = .
使用Sklearn中线性回归（LinearRegression）模型与决策树回归（DecisionTreeRegressor）模型解决身高预测问题
最新发布
m0_59611146的博客
03-19 1678
综上比较，可知一般线性回归模型拟合较好，预测数据准确率高于决策树回归。统一数据，不同模型，预测效果不同，可尝试多种模型进行训练预测。线性回归假设特征与输出之间存在线性关系，并通过最小化残差平方和来拟合最优的参数。线性回归容易理解和实现，但要求特征与输出之间的关系是线性的。决策树回归基于树的叶节点上的均值或中位数来预测输出。决策树回归易于解释和理解，但容易过拟合。
excel 根据父子身高建立一元线性回归
YmeBtc的博客
04-22 2009
每天进步一点点 案例：根据父子身高建立线性回归模型 分析要求： 1:根据表中的数据估计子辈身高依据父辈身高的线性回归模型，写出回归方程 并检验变量间线性关系是否显著（α=0.05）； 2:解释模型中回归系数的现实含义； 分析结果： 1:回归方程 y = 35.825+0.476x ； 2:回归系数0.476 表示父辈身高x对子辈身高y的影响为正，即父辈身高越高，则子辈身高也越高，这符合实际情况 ；...
线性回归分析
Mjing11的博客
03-20 1976
文章目录一、高尔顿数据集进行线性回归分析1.1、父母平均身高和子女身高线性回归分析1.2、父亲身高和子女身高线性回归分析1.3、母亲身高和子女身高线性回归分析二、Anscombe四重奏数据集进行线性回归分析 一、高尔顿数据集进行线性回归分析 1.1、父母平均身高和子女身高线性回归分析 计算父母的平均身高，将其作为自变量X,将子女的身高作为因变量Y，对其进行线性回归分析。 1、求父母身高的平均值：数据→求和→平均值 2、由于有很多组相同的数据，所以我们还需要去掉重复数据： 3、然后对数据进行数据分析：数据
用python根据父母身高预测子女身高
06-12
以下是一个简单的 Python 代码示例，可以根据父母身高预测子女身高： ```python father_height = float(input("请输入父亲身高（单位：厘米）：")) mother_height = float(input("请输入母亲身高（单位：厘米）：")) # 计算平均身高 average_height = (father_height + mother_height) / 2 # 根据性别计算预测身高 gender = input("请输入孩子的性别（男孩输入M，女孩输入F）：") if gender == "M": predicted_height = average_height + 5 elif gender == "F": predicted_height = average_height - 5 else: print("输入有误，请输入 M 或者 F。") exit() print("预测的孩子身高为：{:.2f} 厘米".format(predicted_height)) ``` 这段代码首先从用户那里获取父母身高和孩子性别。然后，它计算父母身高的平均值，并根据孩子性别添加或减去5厘米来预测孩子身高。最后，它将预测的孩子身高输出到屏幕上。注意，这只是一个简单的预测模型，实际身高受到许多其他因素的影响，如遗传、环境、营养等。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值