python一元线性回归的优点_Python数据分析之一元线性回归

问题

制作一元材积表，不懂林学的可能不知道，如图，也就是构造材积和胸径间的关系，这里采用了python的一元线性回归方法(本人用spss做了幂函数非线性回归，效果最好)。

Python方差分析导入库和数据

from sklearn import linear_model

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

df1 = pd.read_excel('C:/Users/Administrator/Desktop/一元材积表.xlsx')绘制散点图

X = np.array(df1[['胸径']])

Y = np.array(df1[['材积']])

plt.rc('font',family='STXihei',size=15)

plt.scatter(X,Y,60,color='blue',marker='o',linewidths=3,alpha=0.4)

plt.xlabel('胸径')

plt.ylabel('材积')

plt.title('一元材积表')

plt.show()

可以看出，用一元线性回归是不太理想的，不过为了给老师交作业，还是做一下好了。一元回归模型

clf = linear_model.LinearRegression()

clf.fit(X,Y)

print(clf.coef_,clf.intercept_)

print(clf.score(X,Y))

结果如图

结论

R2不高，模型并不太好。

作者：罗罗攀 Python爱好者社区专栏作者，请勿转载，谢谢。

简书主页：罗罗攀 - 简书

博客专栏：罗罗攀的博客

配套视频教程：Python3爬虫三大案例实战分享：猫眼电影、今日头条街拍美图、淘宝美食 Python3爬虫三大案例实战分享

公众号：Python爱好者社区(微信ID：python_shequ)，关注，查看更多连载内容。