御神楽的学习记录之初识线性回归

---

一、线性回归之Excel

1.线性回归—身高体重分析

1）在Excel中打开需要进行线性拟合的身高与体重数据
2）选择数据个数为20，对数据进行绘图，如下：

可得到回归方程为y=4.128x-152.23
相关系数为R²=0.3254
3）将选择的数据个数调整为200，绘图如下：

当数据个数增多，回归方程发生改变。
回归方程为y=3.4317x-105.96
相关系数为R²=0.31
4）继续将选择的数据个数增大，调整为20000，绘图如下：

回归方程为y=3.1328x-85.727
相关系数为R²=0.2727

二、jupyter调用sklearn库解线性回归

1.引入数据

代码如下：

import pandas as pd
data = pd.read_excel("source/weights_heights.xls",sheet_name='weights_heights')
print(data)

2.将数据画散点图

代码如下：

import matplotlib.pyplot as plt
data.plot.scatter(x='Height',y='Weight')
plt.show()

3.调用sklearn库

调用sklearn库

#调用sklearn库做线性回归
from sklearn.linear_model import LinearRegression
features = data['Height'].values.reshape(-1,1)
target = data['Weight']

regression = LinearRegression()
model = regression.fit(features,target)

输入代码

model.intercept_

运行结果如下

继续运行下列代码

model.coef_

运行结果：

接下来使用predict（）函数即可预测目标target的值

---