数据分析之线性回归，原理+实战代码，

数据分析之线性回归

线性回归用来预测数据的原理以及代码

我之前有些过一篇关于数据库预测的实战练习的，今天来讲一讲原理

---

• 首先这一张代码的截图，我们看到

from sklearn.linear_model import LinearRegression #线性回归

这一行的代码：

​ 我们从sklearn这一个依赖库当中导入LinearRegression,这是最简单的一元线性回归。

​ 那么线性回归的原理是什么呢，为什么能用线性回归来预测数据呢？我们还是以疫情数据为例：

我们将新增个案单独拉出来

也就是这是以日期为横坐标，新增个案为纵坐标的值的一个笛卡尔坐标系。

• 我们模拟出一条直线，让已知的数据点尽量落在直线上或直线周围。

就当是类似于这一个图吧。

​ 那么我们要预测的下一天的数据也应该在这条直线上对不对？

​ 那么比如我们随手画的是这一条线，预测出了下一天或者是下个月一直的数据，但是一万个人有一万种画出这条线的方法，也就是说，每个人画的线都是不一样的。

​ 我们现在知道，线性回归就是要找一条直线，并且让这条直线尽可能地拟合图中的数据点。

• 所以，我们如何才能够绘出一条大家都认可的线呢？

  我们需要的是不断的训练数据，也就是所谓的训练集与测试集的划分（在我的程序里面还没有用到验证集）

  这其实就是所谓的损失函数，而利用线性回归来计算与利用损失函数是最简单的一种。

  ---

  ​

在训练数据之前，我们必不可少的需要获取数据吧：

data=pd.read_excel('香港疫情数据.xlsx')
data.index=data.iloc[:,0]
data=data.drop(['日期'],axis=1)

​ 这里的程序

第二行：data.index=data.iloc[:,0]

先将日期这一行数据储存在data.index中

第三行：data=data.drop([‘日期’],axis=1)

选择先不将日期那一列导入，先导入三个病例数据

• 接着，我们划分训练集与测试集

model=LinearRegression()
##划分测试集和训练集7:3
m=data.shape[0]
train=data.iloc[:int(0.3*m),:]
test=data.iloc[int(0.7*m):,:]

接下来这些代码是进一步的训练数据，以及是整个算法思路的核心，利用循环来训练以及输出数据

for i in range(data.shape[1]):
    train_y,train_x=train[train.columns[i]],train.drop([train.columns[i]],axis=1)
    test_x,test_y=test.drop([test.columns[i]],axis=1),test[test.columns[i]]
    model.fit(train_x,train_y)#训练数据
    predict=model.predict(test_x)#返回样本结果

• 输出数据：

    plt.plot(test_x.index,test_y,label='True',c='red')
    plt.plot(test.index,predict,label='prdict',c='black')
    plt.title('predict {}'.format(str(train.columns[i])))
    plt.show()

小弟刚刚入门不久，还望各路大神多多指点！！