python线性回归_python如何实现线性回归

Python语言实现线性回归的步骤有：导入所要用到的库，读取数据并进行预处理。分析数据以及建立线性回归模型，并进行模型训练检验模型效果

通过使用python语言来实现线性回归是非常方便的，因为它提供了多个现成的库，比如可以使用numpy.linalog.lstsq，pandas.ols以及

scipy.stats.linregress等，在本文中将使用sklearn库的linear_model.LinearRegression，它支持任意维度，非常好用。

二维直线

例：线性方程y=a∗x+b；y=a∗x+b 表示平面一直线

在下面的例子中，我们将建立线性回归模型，通过给出房屋的面积来预测房屋的价格import pandas as pd

from io import StringIO

from sklearn import linear_model

import matplotlib.pyplot as plt

# 房屋面积与价格历史数据(csv文件)

csv_data = 'square_feet,price\n150,6450\n200,7450\n250,8450\n300,9450\n350,11450\n400,15450\n600,18450\n'

# 读入dataframe

df = pd.read_csv(StringIO(csv_data))

print(df)

# 建立线性回归模型

regr = linear_model.LinearRegression()

# 拟合

regr.fit(df['square_feet'].reshape(-1, 1), df['price']) # 注意此处.reshape(-1, 1)，因为X是一维的！

# 不难得到直线的斜率、截距

a, b = regr.coef_, regr.intercept_

# 给出待预测面积

area = 238.5

# 方式1：根据直线方程计算的价格

print(a * area + b)

# 方式2：根据predict方法预测的价格

print(regr.predict(area))

# 画图

# 1.真实的点

plt.scatter(df['square_feet'], df['price'], color='blue')

# 2.拟合的直线

plt.plot(df['square_feet'], regr.predict(df['square_feet'].reshape(-1,1)), color='red', linewidth=4)

plt.show()

效果图：

三维平面

线性方程z=a∗x+b∗y+c；z=a∗x+b∗y+c 表示空间一平面import numpy as np

from sklearn import linear_model

from mpl_toolkits.mplot3d import Axes3D

import matplotlib.pyplot as plt

xx, yy = np.meshgrid(np.linspace(0,10,10), np.linspace(0,100,10))

zz = 1.0 * xx + 3.5 * yy + np.random.randint(0,100,(10,10))

# 构建成特征、值的形式

X, Z = np.column_stack((xx.flatten(),yy.flatten())), zz.flatten()

# 建立线性回归模型

regr = linear_model.LinearRegression()

# 拟合

regr.fit(X, Z)

# 不难得到平面的系数、截距

a, b = regr.coef_, regr.intercept_

# 给出待预测的一个特征

x = np.array([[5.8, 78.3]])

# 方式1：根据线性方程计算待预测的特征x对应的值z（注意：np.sum）

print(np.sum(a * x) + b)

# 方式2：根据predict方法预测的值z

print(regr.predict(x))

# 画图

fig = plt.figure()

ax = fig.gca(projection='3d')

# 1.画出真实的点

ax.scatter(xx, yy, zz)

# 2.画出拟合的平面

ax.plot_wireframe(xx, yy, regr.predict(X).reshape(10,10))

ax.plot_surface(xx, yy, regr.predict(X).reshape(10,10), alpha=0.3)

plt.show()

效果图：

总结：以上就是本篇文章的全部内容了，希望对大家有所帮助

以上就是python如何实现线性回归的详细内容，更多请关注php中文网其它相关文章！

本文原创发布php中文网，转载请注明出处，感谢您的尊重！