不同行业工龄与薪水的线性回归模型

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_excel('行业收入表.xlsx')
df.head()

在这里插入图片描述

X = df[['工龄']]
y = df['薪水']
# 绘制散点图

plt.scatter(X, y)
plt.xlabel('工龄')
plt.ylabel('薪水')
plt.title('工龄与薪水散点图')
plt.show()

在这里插入图片描述

# 模型搭建
from sklearn.linear_model import LinearRegression
regr = LinearRegression()
regr.fit(X, y)
# 模型可视化
plt.scatter(X, y)
plt.plot(X, regr.predict(X), color='r')
plt.xlabel('工龄')
plt.ylabel('薪水')
plt.title('工龄与薪水散点图')
plt.show()

在这里插入图片描述

# 线性回归方程构造
# 系数
regr.coef_[0]
# 截距
regr.intercept_
from sklearn.metrics import r2_score
r2 = r2_score(y, regr.predict(X))
r2
# 一元二次线性回归模型
from sklearn.preprocessing import PolynomialFeatures
poly_reg = PolynomialFeatures(degree=2)
X_ = poly_reg.fit_transform(X)
regr = LinearRegression()
regr.fit(X_, y)
plt.scatter(X, y)
plt.plot(X, regr.predict(X_), color='r')
plt.show()

在这里插入图片描述

# 线性回归模型评估
import statsmodels.api as sm
X2 = sm.add_constant(X)
est = sm.OLS(y, X2).fit()
est.summary()

在这里插入图片描述

X2 = sm.add_constant(X_)
est = sm.OLS(y, X2).fit()
est.summary()

在这里插入图片描述

  • 2
    点赞
  • 23
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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