简单线性回归&最小二乘法（机器学习入门）

简单线性回归

一个自变量和一个因变量，两者之间的关系可以用一条直线近似表示，这种回归被称为简单线性回归
线性方程：y=kx+b
计算咖啡店日均人流量（自变量）和日均收入（因变量）的关系。
问题：如何得到更合适的线性方程呢？
最小二乘法
=>又线性回归可估计：y=kx+b

问题：如何求解以算到线性方程？

1. 公式->数学
2. 工具->sklern、spark等
   代码演示：

import pandas as pd
data = pd.read_excel("SimoleLR.xlsx")

# 散点图表示数据
import matplotlib.pyplot as plt
data.plot.scatter(x='日均人流量（千人）',y='日均销售收入（千元）')
plt.show()

# 简单线性回归
from sklearn.linear_model import LinearRegression
features = data['日均人流量（千人）'].values.reshape(-1, 1)
target = data['日均销售收入（千元）']
regression = LinearRegression()
model = regression.fit(features,target)

文章内容来自：https://www.bilibili.com/video/BV1sJ411z7zJ/?spm_id_from=333.999.0.0&vd_source=2d2f3720211460e735002f61191970e1