上一篇文章讲了最小二乘算法的原理。这篇文章通过一个简单的例子来看如何通过Python实现最小乘法的线性回归模型的参数估计。
王松桂老师《线性统计模型——线性回归与方差分析》一书中例3.1.3。
说的是一个实验容器靠蒸汽供应热量,使其保持恒温,通过一段时间观测,得到下图表中的这样一组数据:蒸汽-环境温度数据
其中,自变量X表示容器周围空气单位时间的平均温度(℃),Y表示单位时间内消耗的蒸汽量(L),共观测了25个单位时间(表中序号一列)。
那么,我们要怎样对这组数据进行线性回归分析呢?一般分三步:(1)画散点图,找模型;(2)进行回归模型的参数估计;(3)检验前面分析得到的经验模型是否合适。
画散点图
创建一个DataTemp的文件夹,在其中分别创建"data"、"demo"文件夹用于存放数据文件、Python程序文件。
把前面图中的数据导入Excel中,命名为:“蒸汽供应.xlsx”,用来作为数据源。数据导入Excel后
创建Python文件:”leastsquare.py“。在文件头加入utf-8编码的说明以支持中文字符,然后添加必要的注释。
# -*- coding: utf-8 -*-
"""Created on Fri Mar 20 14:07:41 2020@author: gao"""
import必要的第三方库。
"""第三方库"""<