1、统计量
:描述数据特征
2、集中趋势衡量
2.1均值(mean):求和之后除以个数
2.3中位数(median):将数据中的各个数值按照大小顺序排列,居于中间位置的数。
2.3众数:数据中出现次数最多的数。
3、离散程度衡量
3.1方差(variance)
3.2标准差(standard deviation)
4、回归(regression)
回归:Y变量是连续数值型(continuous numerical variable),如:房价,人数,降雨量。
分类(classification):Y变量为类别型(categorical variable),如:颜色类别,电脑品牌,有无信誉。
4.1简单线性回归(simple linear regression)
4.1.1很多做决定过过程通常是根据两个或者多个变量之间的关系。
4.1.2回归分析(regression analysis)用来建立方程模拟两个或者多个变量之间是什么关系。
4.1.3被预测的变量叫做:因变量(dependent variable),y,输出(output)。
4.1.4被用来进行预测的变量叫做∶自变量(independent variable),x,输入(input)。
4.2简单线性回归介绍
简单线性回归包名一个自变量(×)和一个因变量(y)
以上两个变量的关系用一条直线来模拟。
如果包含两个以上的自变量,则称作多元回归分析(multiple regression)。
4.3简单线性回归模型
被用来描述因变量(y)和自变量(X)以及偏差(error)之间关系的方程叫做回归模型。
简单线性回归的模型是:
参数B0和B1,偏差e.
4.4简单线性回归方程
正向线性关系:
负向线性关系:
5、估计的简单线性回归方程
6、线性回归分析流程
知道模型,但是不知道B0和B1,根据已知数据,进行估计方程确定,再确定B0和B1。
7、关于偏差e的假定
e是一个随机的变量,均值为O
e的方差(variance)对于所有的自变量x是一样的
e的值是独立的
e满足正态分布
8、简单线性回归模型举例
汽车卖家做电视广告数里与卖出的汽车数里:
训练出合适的回归线
#简单现行回归:只有一个自变量 y=k*x+b 预测使 (y-y*)^2 最小
import numpy as np
def fitSLR(x,y):
n=len(x)
dinominator = 0
numerator=0
for i in range(0,n):
numerator += (x[i]-np.mean(x))*(y[i]-np.mean(y))
dinominator += (x[i]-np.mean(x))**2
print("numerator:"+str(numerator))
print("dinominator:"+str(dinominator))
b1 = numerator/float(dinominator)
b0 = np.mean(y)/float(np.mean(x))
return b0,b1
# y= b0+x*b1
def prefict(x,b0,b1):
return b0+x*b1
x=[1,3,2,1,3]
y=[14,24,18,17,27]
b0,b1=fitSLR(x, y)
y_predict = prefict(6,b0,b1)
print("y_predict:"+str(y_predict))