线性回归模型属于经典的统计学模型,该模型的应用场景是根据已知的变量(自变量)来预测某个连续的数值变量(因变量)。例如,餐厅根据每天的营业数据(包括菜谱价格、就餐人数、预定人数、特价菜折扣等)预测就餐规模或营业额;网站根据访问的历史数据(包括新用户的注册量、老用户分活跃度、网页内容的更新频率等)预测用户的支付转化率。
在开始多元线性模型前介绍下一元线性模型。数学公式可以表示为:
一个因变量,一个自变量。参数求解公式为:
多元线性回归模型与一元线性回归模型的区别就是,自变量的增加。其数学表达式为:
可以简写为:
β代表多元线性回归模型的偏回归系数,e代表了模型拟合后每一个样本的误差项。利用最小二乘法求解β,可以得到:
将相应的x值,y值代入公式即可求得β。
我们构建模型的目的是为了预测,即根据已知的自变量X值预测未知的因变量y的值。本文是利用Python 实现这一目标。
这里以某产品的利润数据集为例,该数据集包含5个变量,分别是产品的研发成本、管理成本、市场营销成本、销售市场和销售利润。其中销售利润Profit为因变量,其他变量为自变量。
回归模型的建模和预测
将导入数据的数据进行切割,训练集用来训练模型,测试