python数据挖掘笔记——回归（1）：简单线性回归

概念：

回归分析（Regression Analysis)： 研究自变量与因变量之间关系形式的分析方法，它主要是通过建立因变量Y和自变量Xi(i=1,2,3…)之间的回归模型，来预测因变量Y的发展趋势。

回归分析的分类：

一元线性回归模型：
Y=a+bx+e

式中，Y:因变量
x:自变量
a:常数项，截距
b:回归系数，斜率
e:随机误差

回归分析的步骤：

1. 根据预测目标，确定自变量和因变量。
2. 绘制散点图，确定回归模型类型。
3. 估计模型参数，建立回归模型。
4. 对回归模型进行检验。
   回归方程的精度就是用来表示实际观测点和回归方程的拟合程度的指标，用判定系数来度量。
   判定系数=相关系数R^2=ESS/TSS=1-RSS/TSS
   其中：TSS：总离差平方和
   ESS：回归平方和
   RSS:残差平方和
5. 利用回归模型进行预测。

案例：根据广告投入和销售额数据建立回归模型，预测广告投入为50时，销售额数据为多少。
下面进行代码演