通过一个具体案例,借助于EXECL分析工具,讲述线性回归分析必要的步骤和方法,并编写Python程序求出实验数据的拟合函数。
在数据分析中,线性回归分析是一种预测性的建模技术,它可以从给出的一组数据发现变量间的因果关系,建立变量间近似的线性函数模型。回归分析按照涉及变量的多少,分为一元回归和多元回归分析。
许多工程问题,常常需要根据两个变量的几组实验数据,来找出这两个变量的近似线性函数关系,用于预测和控制两个变量间的相互变化。
例2 下表是某厂1~4月份用水量(单位:百吨)的一组数据:
根据上面的一组数据建立月份和用水量之间的近似线性函数,若设月份为x,用水量为y,近似的线性函数为y = f(x),也就是,要找出一个能使上述数据大体适合的函数关系y = f(x)。
下面给出具体的回归分析步骤。
首先,要确定f(x)的函数类型,看f(x)是否近似于线性函数,当f(x)近似于线性函数时,才适合做线性回归分析。
我们可以使用EXECL来确定f(x)函数类型,新建EXECL文档ÿ