python绘制拟合回归散点图_如何用Python进行简单线性回归？

日常数据分析工作中，如何解决实际的业务问题呢？可以按照以下步骤清洗明确的分析处理问题：

1）提出明确问题

2）理解数据（采集，导入，查看数据信息整体了解数据）

3）数据清洗（提取特征）

4）构建模型（核心，本文用Scikit-learn包）

5）评估结果（模型准确性，预测效果等）

这几个步骤可以迅速定位并解决实际业务需求。

本文写写学习时间与学习成绩之间的相关性分析，简单线性关系

一、构建数据集

二、绘制学习时间与成绩散点图，观察相关关系

从学习时间—成绩散点图可以看出，随着投入学习时间的增加，成绩越高。

插播一个知识点~~~

线性相关性：正线性相关，负线性相关，随机

如何衡量两个变量的相关性程度？

1）两个变量的相关性方向，正相关性，协方差>0;负相关性，协方差<0

统计指标：协方差（度量各个维度偏离其均值的程度。协方差的值如果为正值，则说明两者是正相关的(从协方差可以引出“相关系数”的定义)，结果为负值就说明负相关的，如果为0，也是就是统计上说的“相互独立”。）

公式意思就是：如果有x,y两个变量，每个时刻的X值与其均值之差 乘以 Y值与其均值之差得到的乘积，再对每个时刻的乘积求和并求出均值（期望）

2)相关性大小：表示两个变量相关性程度

统计指标：相关性系数

公式意义：用X,Y的协方差除以X的标准差和Y的标准差

相关性也可以看成协方差：一种剔除了两个变量量纲影响、标准化后的特殊协方差。

那么：

1、也可以反映两个变量变化时是同向还是反向，如果同向变化就为正，反向变化就为负

2、消除了两个变量变化幅度的影响，只是单纯反映两个变量每单位变化的相似程度

相关系数数值意义：[-1,1]

具体推论过程参考下文：

那么，我们就尝试用Python代码计算下‘学习时间’与‘成绩’之间的相关系数

得出学习时间与成绩是强正线性相关关系，相关性系数为0.923985。

三、用sklearn包中Linear regression 构建线性回归模型，通过‘学习时间’预测‘成绩’，构建最佳拟合线

回归方程 y = a + b x, a 为截距，b为回归系数

如何求a和b呢？

一个点的误差=实际值 -预测值

求 误差平方和

最小值

方法：最小二乘法：使误差平方和最小

1）创建训练数据与测试数据

2）训练模型

四、模型评估

参数模型已经确定，接下来用测试数据来评估模型准确性

如何评估模型的准确性呢？

上图看出，误差平方和容易受到样本量的影响，引入决定系数R^2能更好的评估模型准确性，R^2=[0,1]

得出模型的决定系数R^2为0.9，模型准确性强。

五、总结