基于jupyter notebook的python编程-----运用最小二乘法,导入文件数据模拟一元线性回归分析
用最小二乘法模拟一元线性回去曲线的目录
一、运行jupyter notebook,搭建python环境
1、打开Windows终端命令行,输入==jupyter notebook==,打开我们的jupyter工具,如下所示:
2、在jupyter的web网页中创建python文件,如下所示:
3、现在就可以在jupyter的代码行里面输入我们的代码啦!
二、以下列的csv文件为例,编写我们的最小二乘法的python代码的分解步骤
1、导入我们需要的基本库
2、导入我们数据文件==mytest.csv==
3、为我们的x,y赋值采样
4、下面就是我们最小二乘法的算法编写,求y=ax+b中的==a==和==b==
5、输出打印我们求出的线性回归方程
6、通过==scatter==画出拟合曲线图
三、python最小二乘法的全部源码
四、==shift+enter==运行我们的代码
1、运行结果如下图所示:
2、可以看出,以上是我们通过python代码拟合的自变量X(体重)取值20个的线性回归方程,接下来我们通过wps的excel对同样的数据,同样的20个取值,与我们最小二乘法的结果对比,如下图所示:
3、给出自变量X取值200个和2000个的线性回归方程,大家可以自己修改x,y赋值来做!
**在进行人工智能与机器学习的时候,线性回归是我们必须经历的一步,而利用最小二乘法模拟线性回归分析是基础,本次博客,我们将学习
如何利用最小二乘法,导入文件数据,进行线性回归的模拟!**
一、运行jupyter notebook,搭建python环境
1、打开Windows终端命令行,输入jupyter notebook,打开我们的jupyter工具,如下所示: