一元一次线性回归案例-IT行业收入模型分析

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

IT行业收入表.xlsx

工龄	薪水
0	10808
0.1	13611
0.2	12306
0.3	12151
0.3	13057
0.3	13883
0.4	12557
0.4	13013
0.4	13402
0.5	11502
0.5	13944
0.8	15944
0.8	12572
1	12939
1	13960
1	14827
1.1	13442
1.1	13798
1.2	14806
1.2	13966
1.2	13368
1.4	12261
1.4	12451
1.5	13170
1.5	14876
1.6	15750
1.6	16322
1.8	16686
1.8	13992
2.2	15325
2.2	15795
2.2	15410
2.3	15769
2.4	14425
2.4	15408
2.4	16236
2.5	15865
2.8	17160
2.9	16819
3	15860
3	18583
3.2	15209
3.3	15248
3.3	15838
3.5	18106
3.6	17057
3.6	18524
3.8	16424

代码

# 一元线性回归案例：分析IT行业工龄和收入之间的规律
# 【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']

#【3】模型搭建
lr = LinearRegression()

#【4】模型训练
lr.fit(x,y)

#【5】模型预测
res = lr.predict([[3]])
print(res)

#拓展
#【6】显示模型参数
print('回归系数a:',str(lr.coef_))
print('截距b:',str(lr.intercept_))
print('模型函数： y = ',str(lr.coef_[0]),'*x +',str(lr.intercept_))

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

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