数据分析笔记-线性回归模型

最新推荐文章于 2024-04-17 17:55:44 发布
最新推荐文章于 2024-04-17 17:55:44 发布
阅读量835 收藏 3
点赞数
分类专栏： 数据分析与挖掘
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42808887/article/details/107289283
版权
这篇博客详细介绍了线性回归模型，包括一元线性回归和多元线性回归。在一元线性回归中，通过散点图进行相关性分析，并使用Python实现。在多元线性回归部分，讲解了相关性分析和哑变量处理，同时提供了Python代码示例，如train_test_split()函数和OLS()函数的使用。此外，还涉及模型的假设检验，如F检验和t检验，用于判断模型的显著性差异。
摘要由CSDN通过智能技术生成

**

线性回归模型

**

1、一元线性回归

核心：y = a +bx + ε

1.1、借助散点图：相关性分析

在这里插入图片描述
在这里插入图片描述
这里可以直接用pandas里面的corr来求：
在这里插入图片描述
或者
在这里插入图片描述

1.2、思路与方法：

具体求解其实比较简单，就是使得后面的误差项ε最小
在这里插入图片描述
这里，对a,b求偏导= 0，取误差时最小时的a,b

1.3、Python实现

最低0.47元/天 解锁文章
加油啊DuXY
关注
专栏目录
机器学习学习笔记(day02)
qq_42433311的博客
11-29 2987
机器学习分类、数据集划分、转换器与估计器、KNN(K-近邻)、朴素贝叶斯、精确率与召回率、交叉验证与网格搜索、决策树、随机森林(集成学习)
机器学习实战(四)模型验证和选择
谢小小XH
04-23 5831
模型验证和选择
【机器学习】支持向量机SVM | python实现 | 分类问题
weixin_46274756的博客
09-01 2660
SVM实现分类问题
python中常见类库及使用总结
qq_40729302的博客
10-14 929
1.from matplotlib import pyplot Matplotlib是python的一个绘图库，是Python中最常用的可视化工具之一。 matplotlib是受MATLAB的启发构建的，matplotlib有一套完全仿照MATLAB的函数形式的绘图接口。 matplotlib.pyplot模块中，这套函数接口方便MATLAB用户过度到matplotlib包。 简述一下绘图过程： fig = pyplot.figure() #在任何绘图之前，需要一个Figure对象。Figure可
划分训练集和测试集的方法及sklearn实现
Alinawly的博客
06-27 1万+
1.留出法（hold-out）直接将数据集D划分为两个互斥的集合，训练集S、测试集T，用S训练模型，用T来评估其测试误差。需要注意划分时尽可能保持数据分布的一致性，保持样本类别比例相似。可采用分层采样的方式。在使用留出法时，一般要采用若干次随机划分、重复进行实验评估后取平均值作为留出法的评估结果。通常情况下我们将2/3~4/5的样本划分出来用于训练。使用sklearn.model_selectio...
python 学习笔记-线性回归预测模型.pdf
05-12
线性回归模型的显著性检验主要包括F检验（整体模型的显著性）和t检验（单个回归系数的显著性）。F检验用于判断模型整体是否显著，而t检验用于判断每个自变量对因变量的影响是否显著。 在实际应用中，根据场景的不同...
《机器学习by周志华》学习笔记-线性模型-02对数几率回归与线性判别分析
最新发布
vanilla698的博客
04-17 992
上一节我们考虑了线性模型的回归学习，但是想要做分类任务就需要用到上文中的广义线性模型。当联系函数连续且充分光滑，考虑单调可微函数。多分类与二分类的线性判别分析（LDA）
python机器学习---监督学习---线性回归模型（用于回归）
Anne的博客
06-29 1274
目录 1、线性模型基本原理 1.1 线性模型一般公式 1.2 线性模型图形表示 2、线性模型分类及模型实现​ 3、线性模型的优缺点 备注：本文主要来自于对《深入浅出python机器学习》书籍的学习总结笔记，感兴趣的同学可以购买本书学习 1、线性模型基本原理 1.1 线性模型一般公式 线性模型在拟合数据集时，会让自己距离每个数据点的加和为最小值，即找到找到训练数据集中y的预测值...
数据分析笔记-岭回归与Lasso回归
Fighting_Du的博客
07-12 1987
岭回归： 1、定义及原理 岭回归(英文名：ridge regression, Tikhonov regularization)是一种专用于共线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对病态数据的拟合要强于最小二乘法 在线性回归那里提到，如果我们的X矩阵存在不满秩或者几列数据相关性过强时，就会导致误差偏大。 因此为解决上述问题在原函数后加一个正则项来将不适定问题转化为适定问题。 即：j
机器学习之模型评估
dfly_zx的博客
04-08 2440
整体思路：先获取数据，把数据分为训练数据和测试数据，然后在不同k值的模型下分别训练和测试，得出不同k值情况下的模型预测准确性，最后把准确性可视化输出进行整体评估。 1.获取数据 from sklearn import datasets iris=datasets.load_iris() x=iris.data y=iris.target 2.分离数据 from sklearn.model_selection import train_test_split x_train,x_test,y_t
机器学习：模型评估与sklearn实现(一)_留出法
bqw的博客
07-11 4904
一、介绍 留出法(hold-out)：直接将数据切分成三个互斥的部分，即训练集、测试集和验证集。在训练集上训练模型，在测试集上选择模型，最后在测试集上评估泛化误差。数据集的划分要尽量保持数据分布的一致性，如在分类任务中至少要保持样本的类别比例相似，此时可以采用分层采样。 二、方法sklearn.model_selection.train_test_split(*arrays,**optio...
线性回归模型（7大模型）
Kayleigh520的博客
04-26 1万+
​ 先从一个简单的问题开始：如何用一个线性函数来拟合一个二维数据集？​ 假设我们有一个二维数据集，其中每个样本都由一个x和一个y组成。我们可以用一个线性函数 y = ax + b 来拟合这个数据集，其中a和b是待定的系数。我们的目标是找到最佳的a和b，使得这个线性函数能够尽可能地拟合这个数据集。​ 这就是线性回归的基本思想：通过拟合一个线性函数来预测一个连续型的输出变量。这是一个非常简单的案例。
机器学习入门-交叉验证选择参数(数据切分)train_test_split(under_x, under_y, test_size, random_state), (交叉验证的数据切分)KFold， ...
weixin_34293911的博客
01-15 904
1. train_test_split(under_x, under_y, test_size=0.3, random_state=0) # under_x, under_y 表示输入数据, test_size表示切分的训练集和测试集的比例， random_state 随机种子 2. KFold(len(train_x), 5, shuffle=False) # len(train_x) 第...
划分数据集train_test_split参数含义
weixin_41745696的博客
09-01 1588
在使用sklearn进行数据集划分时，代码 from sklearn.model_selection import train_test_split x_train,x_test,y_train,y_test = train_test_split(df_train['contents_clean'].values, ...
train_test_split(X, y, test_size=0.2, stratify=y)
weixin_43858465的博客
04-18 1万+
参数 stratify=y : 按照数据集中y的比例分配给train和test，使得train和test中各类别数据的比例与原数据集的比例一致。 举例： 原数据集中有100条数据，A类有80条，B类有20条，且前80条全为A类。 那么我们在不指定stratify参数的情况下，切分出前80条的数据就全部为A类。 所以我们要设置stratify=y来使得切分出的测试集与训练集中包含的类别为...
X_train,X_test,y_train,y_test有什么区别？
热门推荐
一个程序媛的成长记录❤
05-28 3万+
感谢这两篇博客： https://www.jianshu.com/p/075877ace8c3 https://blog.csdn.net/jiushinayang/article/details/81098186 看着这一行代码 X_train, X_test, y_train, y_test = train_test_split(x, y, test_size=0.2,random...
hands_on_Ml_with_Sklearn_and_TF（开始一个小项目——训练集与测试集的划分）
maybe_fate的博客
05-06 1966
1.这次我想以学习笔记的形式对《hands_on_ML_with_Sklearn_and_TF》这本书进行学习，我看了许多关于机器学习或是深度学习的书籍或是资料，总体而言我觉得这本书写的很详细，不仅仅有原理的解释还有代码的操作，所以还是能学到不少知识的。网站我放在这里hands_on_ml_with_sklearn_and_tf(中文版)，希望大家也都看看。2.机器学习中，训练集与测试集的划分是一...
【机器学习】 From version 0.21, test_size will always complement train_size unless both are specified
baidu_37973494的博客
06-20 3096
x_train, x_valid, y_train, y_valid = train_test_split(x, y, train_size=0.8, random_state=1) 错误提示： /anaconda3/envs/mlenvment/lib/python3.7/site-packages/sklearn/model_selection/_split.py:2069: Future...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值