初识线性回归(Excel-Python实现)

本文介绍了如何利用Excel的数据分析工具进行线性回归分析,并通过添加趋势线逐步展示20组、200组及2000组数据的效果。接着,文章在jupyter环境中采用最小二乘法和sklearn库完成了相同任务,强调了数据处理的效率提升,尤其在处理大量数据时。
摘要由CSDN通过智能技术生成

目录

一.excel数据分析功能实现

1.添加数据分析工具

在菜单栏选择“插入”,“我的加载项”,“管理其他加载项”,在最下方选择Excel加载项,点击“转到”:
在这里插入图片描述

在这里插入图片描述

2.excel完成线性回归分析

数据-数据分析-回归

在这里插入图片描述

选择20组数据

在这里插入图片描述
在这里插入图片描述

添加趋势线
在这里插入图片描述

200组
在这里插入图片描述

2000组
在这里插入图片描述

二. jupyter实现

1.最小二乘法

1.最小二乘法
将所需要的数据文件导入到jupyter中,就可以不用在程序里使用数据文件时加入路径。
打开jupyter,点击upload,选择你需要的文件,确定,点击上传

import pandas as pd
import numpy as np
import math
#准备数据
p=pd.read_excel('weights_heights(身高-体重数据集).xls','weights_heights')
#读取20行数据
p1=p.head(20)
x=p1["Height"]
y=p1["Weight"]

平均值

x_mean = np.mean(x)
y_mean = np.mean(y)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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