线性回归练习作业

目录

一. 用excel中数据分析功能做线性回归练习

二：用jupyter编程（不借助第三方库），用最小二乘法重做

三.借助skleran对数据进行拟合

四.总结

---

一. 用excel中数据分析功能做线性回归练习

选20组数据：

200组数据：

2000组数据：

二：用jupyter编程（不借助第三方库），用最小二乘法重做

1. 引入需要的包：

2. 计算代码：

 

 20组数据：

200组数据： 

2000组： 

三.借助skleran对数据进行拟合

代码：

from sklearn import linear_model        #表示，可以调用sklearn中的linear_model模块进行线性回归。
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
data = np.loadtxt(open("D:wh.csv","rb"),delimiter=",",skiprows=0)
data1=data[0:20]#根据所取数据更改值
x=[example[1] for example in data1]
y=[example[0] for example in data1]
pccs = np.corrcoef(x, y)
c,d=pccs
e,f=c
X = np.asarray(x).reshape(-1, 1)
Y = np.asarray(y).reshape(-1, 1)
model = linear_model.LinearRegression()
model.fit(X,Y)
b=model.intercept_[0] #截距
a=model.coef_[0]#线性模型的系数
a1=a[0]
print(f'回归线方程:y = {a1}x + {b}')
print(f'相关系数为{f}')
y1 = a1*X + b
plt.scatter(X,Y)
plt.plot(x,y1,c='r')

 选取20个数据：

200组数据： 

2000组数据： 

四.总结

这次的作业不算太难，就是一开始环境配置的时候出了很多问题，后面慢慢跟着做发现线性回归也不是很难，用excel做只需要动动手就出结果了，编程题稍微复杂一点，但是也很快。