使用Excel和jupyter拟合身高体重数据集线性回归模型

最新推荐文章于 2023-12-26 15:01:12 发布
最新推荐文章于 2023-12-26 15:01:12 发布
阅读量1.5k 收藏 10
点赞数
文章标签： jupyter 机器学习 自动驾驶
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_46689721/article/details/120579120
版权

文章目录

一、使用Excel拟合线性回归模型

    1、20组数据拟合

在这里插入图片描述
线性回归方程为：y= 4.128x -152.23
相关系数：R^2=0.3254

    2、200组数据拟合

在这里插入图片描述
线性回归方程为：y= 3.4317x -105.96
相关系数：R^2=0.31

    3、2000组数据拟合

在这里插入图片描述
线性回归方程为：y= 2.9555x -73.661
相关系数：R^2=0.2483


二、用jupyter编程（不借助第三方库），用最小二乘法

    3、20组数据拟合

在这里插入图片描述
线性回归方程为：y= 4.1280375x -152.23378453
相关系数：R^2=0.32542302

    2、200组数据拟合

在这里插入图片描述
线性回归方程为：y= 3.43166515 x -105.95901105
相关系数：R^2=0.30999553

    3、2000组数据拟合

在这里插入图片描述
线性回归方程为：y= 2.95552697x -73.66078552
相关系数：R^2=0.2483012


三、使用jupyter编程，借助sklearn

    1、20组数据拟合

    先导入身高体重的数据集文件，然后开始书写代码，先导入需要的包，做好数据准备工作。
二十组数据得到的结果：在这里插入图片描述
线性回归方程为：y= 4.1280375x -152.23378453
相关系数：R^2=0.3254230249366249


    2、200组数据拟合

二百组数据得到的结果：

在这里插入图片描述
线性回归方程为：y= 3.43166515 x -105.95901105
相关系数：R^2=0.309995534330923

    3、2000组数据拟合

二千组数据得到的结果：

在这里插入图片描述
线性回归方程为：y= 2.95552697x -73.66078552
相关系数：R^2=0.24830120336384287

an-ning
关注
  • 0
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
回归方法（二）：多项式回归告诉你身高和体重的关系
never0822的博客
08-16 7560
这是一个吸引眼球的题目，但是正是一篇正儿八经的干货。 昨天学习了线性回归，今天依旧是用lm函数，不过期望实现的是多项式回归。对于一元多项式，若，多项式回归就变成了多元线性回归。                  同样的对于多元多次多项式，若，同样的也可以用多元线性回归的方法来做。 （多项式回归应尽少创建新的变量，尽量使用低次多项式，否则会增加模型复杂度，造成过拟合或欠拟合） 用R实现多项式回...
模式识别身高体重贝叶斯算法
10-22
模式识别中贝叶斯算法判别身高体重 matlab实现 1）应用单个特征进行实验：以（a）身高或者（b）体重数据作为特征，在正态分布假设下利用最大似然法或者贝叶斯估计法估计分布密度参数，建立最小错误率Bayes分类器，写出得到的决策规则，将该分类器应用到测试样本，考察测试错误情况。在分类器设计时可以考察采用不同先验概率（如0.5对0.5, 0.75对0.25, 0.9对0.1等）进行实验，考察对决策规则和错误率的影响。 2）应用两个特征进行实验：同时采用身高和体重数据作为特征，分别假设二者相关或不相关，在正态分布假设下估计概率密度，建立最小错误率Bayes分类器，写出得到的决策规则，将该分类器应用到训练/测试样本，考察训练/测试错误情况。比较相关假设和不相关假设下结果的差异。在分类器设计时可以考察采用不同先验概率（如0.5 vs. 0.5, 0.75 vs. 0.25, 0.9 vs. 0.1等）进行实验，考察对决策和错误率的影响。 3）自行给出一个决策表，采用最小风险的Bayes决策重复上面的某个或全部实验。
基于身高与体重数据集与Auto数据集分别进行线性回归和Lasso回归（代码逐行讲解，超细节）
喝饱水没烦恼的博客
05-21 2305
身高体重 #还是先导入要用的包，没下载的要先去下载依赖包 import pandas as pd import statsmodels.api as sm from plotly.offline import init_notebook_mode, iplot import plotly.graph_objs as go init_notebook_mode(connected=True) #此句的作用是用来设置用户名与API data = pd.read_csv('weight.csv') #
对数据进行曲线拟合的几种简单方式（最小二乘法？）
weixin_43488096的博客
12-26 1294
曲线拟合
初识线性回归——分别使用Excel和jupyter拟合身高体重数据集线性回归模型
qq_61682562的博客
09-29 1105
目录一、Excel中数据分析功能二、用jupyter编程（不借助第三方库），用最小二乘法三、 一、Excel中数据分析功能 1.选取20组数据。 2.选取200组数据。 3.选取2000组数据。 二、用jupyter编程（不借助第三方库），用最小二乘法 三、 ...
数据分析实战 | 线性回归——女性身高与体重数据分析
天下弈星~的博客
11-09 3083
使用python，利用简单线性回归模型和多项式回归模型对女性身高与体重的数据进行建模分析与改进,步骤包括数据读入、数据理解、数据准备、模型训练、模型评价、模型调参、模型预测等。
机械学习之线性回归篇，简单易懂
text_8的博客
05-26 267
这里用的案例是自己创的两个数组，分别是身高和体重，建立和训练模型，然后绘制图像，以及通过R的平方检测模型好坏，最后随意输入一个身高预测他的体重。（这里只是拿了个简单的数据当例子，真实情况需要大量数据训练模型）
使用Excel以及jupyter编程构建身高体重数据集的线性回归方程
louderIII的博客
10-01 1470
目录用excel中数据分析功能做线性回归练习用jupyter编程（不借助第三方库），用最小二乘法用jupyter编程，借助skleran总结 用excel中数据分析功能做线性回归练习 1.打开excel，选择左上角文件，选择打开，点击浏览，选择要打开用的数据文件 2.点击文件，选择更多，点击选项，点击加载项，点击转到 3.勾选分析数据库，点击确定 5.选择上方数据，点击最右侧的数据分析 6.勾选回归，点击确定，选择x轴和y轴范围，勾选残差中的线性拟合图，点击确定 7.在生成的图像中点击右上角的
使用线性回归对身高体重数据集分析
m0_49297422的博客
10-01 5133
初识线性回归一、数学原理分析线性回归最小二乘法二、EXCEL简单处理20组数据200组数据2000组数据20000组数据三、python语言设计最小二乘法计算（使用anaconda的jupyterlab）使用工具介绍不调用包的python计算调用包的python计算四、参考材料 一、数学原理分析 线性回归 当两个变量存在准确、严格的直线关系时，可以用Y=a+bX，表示两者的函数关系。 其中X 为自变量（independent variable）；Y是因变量（ dependent variable ）。 但在
阿里云天池机器学习训练营（Day1打卡）：基于逻辑回归的分类预测
weixin_41855010的博客
11-04 940
一、学习内容概括 二、具体学习内容 1.逻辑回归的介绍和应用 1.1 逻辑回归的介绍 逻辑回归（Logistic regression，简称LR）虽然其中带有"回归"两个字，但逻辑回归其实是一个分类模型，并且广泛应用于各个领域之中。虽然现在深度学习相对于这些传统方法更为火热，但实则这些传统方法由于其独特的优势依然广泛应用于各个领域中。 而对于逻辑回归而且，最为突出的两点就是其模型简单和模型的可解释性强。 逻辑回归模型的优劣势: 优点：实现简单，易于理解和实现；计算代价不高，速度很快，存储资源低； 缺点：
python EM算法4(身高体重数据集)
xxuffei的博客
05-13 3297
1 处理数据 import numpy as np # 预处理数据 def loadData(filename): dataSet = [] fr = open(filename) for line in fr.readlines(): curLine = line.strip('\n').split('\t') fltLine = list...
名字及相对应性别的数据集
03-23
该文档内容为各个名字和与之对应的性别，共有120000条数据，数据仅供参考，可用于机器学习，作性别预测。
使用PyTorch构建一个简单的线性回归模型，并对数据集进行训练和预测
08-15
这个代码用于展示如何使用线性回归模型来拟合一个简单的数据集。线性回归是一种用于建立变量之间线性关系的模型，它通过找到最佳拟合直线来预测目标变量。 具体来说，这个代码的功能是： 定义了一个简单的线性回归...
Python文件实现一个使用Ridge回归和普通线性回归来拟合带有噪声的数据集
最新发布
06-01
演示如何使用Ridge回归和普通线性回归来拟合具有高次多项式特征的数据，并比较两者在处理数据...接着，文件分别使用普通线性回归和Ridge回归模型来拟合这些数据，并绘制了两种回归模型的预测结果与原始数据的对比图。
线性回归模型进行拟合和预测的MATLAB示例代码
07-19
线性回归模型进行拟合和预测的MATLAB示例代码 主要步骤: 生成样本数据:自变量x1,x2和目标变量y1,y2 构造设计矩阵X和目标向量Y,包含两个数据组 计算X的转置矩阵X_trans 计算XTX和XTX的逆矩阵,得到线性回归的参数a ...
非线性回归模型的拟合曲线（Logisic曲线）
04-02
输出非线性回归模型的拟合曲线（Logisic曲线）
Python数据拟合与广义线性回归算法学习
09-20
主要为大家详细介绍了Python数据拟合与广义线性回归算法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
使用EXCEL快速实现二参数威布尔分布拟合
热门推荐
编程小白的逆袭日记
12-23 1万+
最近我在公司里做了一个小项目，帮助产品部门建立一个数据模型来预测产品的维修率和返修成本，其中有一步需要估计二参数威布尔分布的参数。在网上看了一些论文，威布尔参数估计的方法有很多种，比如常见的有极大似然估计法，最大相关系数优化法，最小二乘法等等。 因为考虑我目前仅是做模型验证，因此我采用了计算量相对比较小的最小二乘法进行估算，并在EXCEL里利用趋势图直接获得相关参数。 先来介绍一下威布尔分布（We...
2.2 简单一元线性回归
桃子的日常
09-23 1031
2.2 .0 abstract 声明：本文只为我闲暇时候学习所做笔记，仅供我无聊时复习所用，若文中有错，误导了读者，敬请谅解！！！ 2.2.1 问题描述 在表格里我们给出了正常男生20岁时标准体重。第一列表示的是身高，第二列代表的是体重。我们希望通过这个数据来搭建回归模型（也就是要通过表格中已知的数据集，去构造(专业叫法：拟合)一个函数_f，_使得_f_能很好的把X【这里的X是特征，因为...
用线性回归模型拟合数据集的matlab代码
05-25
假设我们有一个数据集 `data`，其中包含 `x` 和 `y` 两列数据，我们希望用线性回归模型拟合这个数据集。 ```matlab % 导入数据集 data = load('data.mat'); % 提取 x 和 y 数据 x = data(:, 1); y = data(:, 2); ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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