这篇博客介绍了如何使用简单线性回归进行数据分析。通过一个员工工作时间和年薪的例子，展示了简单线性回归如何用于预测。文章详细阐述了模型原理，并使用Python进行实现，包括数据导入、设置自变量和因变量、训练集与测试集划分，以及使用标准库的regressor类进行拟合。最后，通过绘制训练集和测试集的预测结果图，展示了模型的预测状态。
简单线性回归适用于 一维的简单的数据
比方说在某个数据集中，一列是员工的工作时间（假设以年为度量单位），一列是年薪，好比下图
类似这样的我们可以用简单线性回归来训练，并进行预测
图片中的式子就是简单线性回归的原理，我们需要做的是训练数据找到b0与b1
机器对应的线性回归器，学习就是拟合的过程，学习之后，学到自变量因变量的关系，确定自身的参数，就可以用来预测了。
首先导入数据集
dataset = pd.read_csv('SD.csv')
print("查看dataset")
print(dataset)设置自变量和因变量
注意区分这里X是矩阵，y是向量
X
最低0.47元/天 解锁文章
649
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
