一元多次线性回归案例-IT行业收入模型分析

案例一：

需求

分析IT行业工龄和收入之间的规律。通常来说，收入都会随着工作年限的增长而增长，而在不同的行业中收入的 增长速度都会有所不同，本需求就是来通过一元线性回归模型来探寻工作年 限对收入的影响，也即搭建收入预测模型，同时比较多个行业的收入预测模 型来分析各个行业的特点。

数据

见线性回归-一元一次线型回归-CSDN博客

代码

# 【1】导入资源包
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
import pandas as pd

# 【2】加载样本数据,核心是给x,y赋值

df = pd.read_excel('IT行业收入表.xlsx')
print(df.head())

x = df[['工龄']]
y = df['薪水']

#【2.1】多项式数据转变 y = ax^2+bx+c
from sklearn.preprocessing import PolynomialFeatures
pf = PolynomialFeatures(degree=2)
x2 = pf.fit_transform(x)
print(x2)


#【3】模型搭建
lr = LinearRegression()

#【4】模型训练
lr.fit(x2,y)

#【5】模型预测
res = lr.predict(pf.fit_transform([[10]]))
print(res)

#拓展
#【6】显示模型参数
print('回归系数:',str(lr.coef_))
print('截距:',str(lr.intercept_))
print('模型函数： y = ',str(lr.coef_[2]),'*x^2 +(',str(lr.coef_[1]),'*x) +',str(lr.intercept_))

#【7】样本及模型可视化
plt.scatter(x,y)
plt.plot(x,lr.predict(pf.fit_transform(x)))
# plt.plot(x,lr.predict(x2))
plt.show()

#【8】模型评估
import statsmodels.api as sma
res = sma.OLS(y,sma.add_constant(x2)).fit()
print(res.summary())