使用excel和jupyter完成数据的线性回归

一、使用excel中数据分析功能做线性回归练习

1、添加数据分析工具

打开Excel，选择‘插入’—‘我的加载项’—‘管理其他加载项’：

选择‘Excel加载项’—‘转到’：

选择工具库：

此时出现入下图所示的即为成功：

2、使用Excel完成线性回归分析

点击数据—数据分析—回归并确定：


选择x，y的取值范围，选择输出区域，选择线性拟合图并确认。
此时选择20组数据进行回归分析



选择200组数据分析：

二、使用jupyter编程（不借助第三方库）

1、进入jupyter界面上传数据文件并创建新项目

先将数据文件进行上传：

创建新项目：

2、取20组数据进行分析

最小二乘法公式：

代码如下：

import pandas as pd
import numpy as np
import math
# 准备数据
A = pd.read_excel('weights_heights(身高-体重数据集).xls','weights_heights')
# 读取20行数据
A1=A.head(20)
x=A1["Height"]
y=A1["Weight"]
# 平均值
x_mean = np.mean(x)
y_mean = np.mean(y)
#x（或y）列的总数（即n）
xsize = x.size
zi=((x-x_mean)*(y-y_mean)).sum()
mu=((x-x_mean)*(x-x_mean)).sum()
n=((y-y_mean)*(y-y_mean)).sum()
# 参数a b
a = zi / mu
b = y_mean - a * x_mean
#相关系数R的平方
m=((zi/math.sqrt(mu*n))**2)
# 这里对参数保留4位有效数字
a = np.around(a,decimals=4)
b = np.around(b,decimals=4)
m = np.around(m,decimals=4)
print(f'回归线方程:y = {a}x +({b})') 
print(f'相关回归系数为{m}')

运行结果如下：

取200组数据进行分析：
对200组数据进行分析时，只需要将以下代码进行修改即可：

取2000组数据进行分析：
对2000组数据进行分析时，只需要将以下代码进行修改即可：

三、用jupyter编程（借助sklearn）

1、sklearn简介

Scikit-learn（以前称为scikits.learn，也称为sklearn）是针对Python 编程语言的免费软件机器学习库 。它具有各种分类，回归和聚类算法，包括支持向量机，随机森林，梯度提升，k均值和DBSCAN，并且旨在与Python数值科学库NumPy和SciPy联合使用。

2、取20组数据进行分析

代码如下：

import numpy as np
import pandas as pd
from contextlib import contextmanager as _contextmanager
import matplotlib.pyplot as plt
import math
import logging
from numpy import array
from sklearn.linear_model import LinearRegression
# 读取数据
A = pd.read_excel('weights_heights(身高-体重数据集).xls','weights_heights')
A.shape
# 读取20行数据
x=array(A[['Weight']].values[:20,:])
y=array(A[['Height']].values[:20,:])
# 调用线性回归函数
model=LinearRegression(fit_intercept=True,normalize=True)
model.fit(x,y)
# 输出斜率
print(model.coef_)
# 输出截距
print(model.intercept_)
#输出线性回归表达式
a=model.intercept_
b=model.coef_
y_hat=b*x+a
print("线性回归方程为：y=",b,"x",a)
#计算R的平方
R2=model.score(x,y)
print('相关回归系数为',R2)
#绘图输出
plt.figure()
plt.scatter(x,y)#散点图绘制原始数据
plt.plot(x,y_hat,color='coral')
plt.show()

结果如下：


取200组数据进行分析：
对200组数据进行分析时，只需要将以下代码进行修改即可：

结果如下：


取2000组数据进行分析：
与上述代码修改同理，结果如下：

三.总结

本次实验作业通过excel和jupyter了解并编译使用了最小二乘法，并且借助sklearn来进行了线性回归方程的分析与了解，通过这次实验收益匪浅