python数据分析的回归方程的简单讲解(第一种手动实现, 第二种导入库实现)
前言
回归方程在拟合数据和预测未来发展,等等领域都具有巨大的作用
提示:以下是本篇文章正文内容,下面案例可供参考
一、python数据分析的回归方程的简单讲解(第一种手动实现, 第二种导入库实现)
1.实现过程
代码如下(示例):
x = [1, 1, 2, 2, 2, 4]
y = [3, 4, 5, 5, 5, 8]
avg_x = 0
sum_square_x = 0
for i in x:
avg_x += i/len(x)
sum_square_x += i*i
print('avg_x: ', avg_x, '\nsum_square_x: ', sum_square_x)
avg_y = 0
for i in y:
avg_y += i/len(y)
print('avg_y: ', avg_y)
sum_x_y = 0
for i, j in zip(x, y):
sum_x_y += i*j
print('sum_x_y: ', sum_x_y)
proxy_c = 0
proxy_x1 = 0
proxy_x1 = (sum_x_y - avg_x*avg_y*len(x))/(sum_square_x - avg_x*avg_x*len(x))
proxy_c = avg_y - avg_x * proxy_x1
print(f'求得的回归方程为:\ty = {proxy_c} + {proxy_x1} * x1')
实现的结果::
二、python数据分析的回归方程的简单讲解(第二种导入库实现)
1.实现过程
代码如下(示例):
import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import warnings warnings.filterwarnings('ignore') import ssl ssl._create_default_https_context
实现的结果:![](https://i-blog.csdnimg.cn/blog_migrate/819910a35c08b000313a3e23c6b8936b.png)
总结
回归方程在拟合数据和预测未来发展,等等领域都具有巨大的作用,多多了解,有益无害哦