预测学生期末成绩

最新推荐文章于 2024-11-08 10:39:20 发布

喵果酱

最新推荐文章于 2024-11-08 10:39:20 发布

阅读量2.8k

点赞数

文章标签： python

本文链接：https://blog.csdn.net/m0_45318893/article/details/103558145

版权

该博客通过Python的线性回归模型分析了学生的学习效率与期末成绩之间的关系。首先，导入必要的库并读取CSV数据，接着绘制散点图以确定两者之间的强相关性。然后，建立线性回归模型，并进行模型检验。最后，利用模型预测不同学习效率下的成绩。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

预测学生期末成绩
在这里插入图片描述确定变量，成绩与学习效率之间的关系
import numpy
from pandas import read_csv
from matplotlib import pyplot as plt
from sklearn.linear_model import LinearRegression
data = read_csv(
‘C:\Users\Administrator\Desktop\WBB1.csv’,encoding=‘GBK’
)
绘制散点图，确定回归模型类型
根据前面的数据，画出自变量与因变量的散点图，看看是否可以建立回归方程，在简单线性回归分析中，我们只需要确定自变量与因变量的相关度为强相关性，即可确定可以建立简单线性回归方程，我们很容易就求解出成绩与学习效率之间的相关系数是0.97，也就是具有强相关性，从散点图中也可以看出。
在这里插入图片描述
建立模型
lrModel = LinearRegression()
选择自变量因变量
x = data[[‘学习效率’]]
y = data[[‘成绩’]]
lrModel.fit(x,y)