#概念篇:
#一下是我自己结合课件理解的,如果理解的有问题,期望看到的人能够好心告诉我一下,我将感激不尽~
#1.什么数据建模? 通过原有数据找到其中的规律,并总结成模型.
#2.什么是模型概念? 通过规律总结的模型,来预测自变量的结果(因变量).
#3.什么是回归分析? 是用来解释自变量和因变量之间关系的一种方法.
#4.什么是线性回归? 回归分析的一种,评估自变量和因变量是一种线性关系的的一种方法.
#5. 什么是一元线性回归? 就是自变量只有一个的线性回归(影响元素只有一种).
#6. 什么是多元线性回归? 就是自变量是多个的线性回归(影响元素不止一种).
#7. 什么是拟合? 回归分析的具体实现方式(构建出最能串联现实实际情况的算法公式)
#8. 什么是模型参数? 就是能够解释自变量和因变量关系的参数.
#代码表示篇:
#一元线性回归程序:
#1.基本工具导入.
import numpy as np
#调科学计算包中线性模块里的线性回归函数
from sklearn.linear_model import LinearRegression
#条用科学计算包中的方法选择模块里的用于切分测试集和训练集的函数.
from sklearn.model_selection import train_test_split
#2.建造数据
#随机数种子,事先设置之后,就能固定值随机数.