数据的回归与分类分析

对“父母子女身高”数据集进行线性回归分析

线性回归练习。“父亲高则儿子高，父亲矮则儿子矮”（即父亲与儿子身高相关，且为正相关）、“母高高一窝，父高高一个”（即母亲的身高比父亲的身高对子女的影响更大）的习俗传说是否成立？请在“父母子女身高”数据集（高尔顿数据集）基础上利用线性回归做出科学分析。
1）选取父子身高数据为X-Y，用Excel计算线性回归方程和相关系数、方差、p值等，判断回归方程是否成立。 现在如果有一个新家庭的数据，已知父亲身高75英寸，请测算儿子的身高为多少？
2）选取母子身高数据为X-Y，用Excel计算线性回归方程和相关系数、方差、p值等，判断回归方程是否成立。
3）根据以上数据，阐明你对习俗说法是否正确的分析。
4）你能用多元线性回归方法，计算出父亲、母亲与儿子身高的回归方程吗？

1. 首先激活Excel的分析工具
   
   

2. 开启筛选，去除子女性别栏中的女性，留选男性
   

3. 设置数据分析配置
   
   选儿子身高为Y值输入区域，父亲身高为X值输入区域
   

4. 得到结果
   

5. 数据分析
   通过公式
   
   根据父亲的升高75英寸，能算出儿子的身高为68.97英寸

6. 通过以上同样的方式算出母亲与儿子升高的回归方程
   
   可以看到R²=0.0097，相关性几乎为零，所以模型的回归方程是不成立的

7. 总结
   综上所述呢，父子之间身高有一定的相关性，而母子之间的相关性不太强，所以这两句俗语不太正确。

针对“Anscombe四重奏”数据集，用excel对四组数据进行线性回归分析，判断其中哪些回归方程是成立的，哪些不成立？不成立的应该如何解决？

1. 第一组数据
   
   数据有限的情况下这组数据有规律的分布在预测直线的上下，并不是很能说明这组数据符合线性回归。
2. 第二组数据
   
   明显的看出原数据是一个二次函数的分布，所以不成立。
3. 第三组数据
   
   大致趋势跟预测值都差不多，因为一两个点的偏移，造成了预测值的斜率增加，大致是符合线性回归的。
4. 第四组数据
   
   这条直线完全不能拟合数据集，不成立。

对鸢尾花Iris数据集进行SVM线性分类练习

1. 安装Anaconda
   Anaconda3-2020.02-Windows-x86_64安装及使用步骤

2. 创建虚拟环境
   

3. 然后安装 numpy、pandas、sklearn、matplotlib包

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名

4. 线性分离
   打开打开Jupyter Notebook,写入以下代码

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.preprocessing import StandardScaler
from sklearn.svm import LinearSVC

iris = datasets.load_iris()
X = iris.data
y = iris.target

X = X [y<2,:2] # 只取y<2的类别，也就是0 1 并且只取前两个特征
y = y[y<2] # 只取y<2的类别

# 分别画出类别 0 和 1 的点
plt.scatter(X[y==0,0],X[y==0,1],color='red')
plt.scatter(X[y==1,0],X[y==1,1],color='blue')
plt.show()

加入下列代码

# 标准化
standardScaler = StandardScaler()
standardScaler.fit(X)

# 计算训练数据的均值和方差
X_standard = standardScaler.transform(X) # 再用 scaler 中的均值和方差来转换 X ，使 X 标准化
svc = LinearSVC(C=1e9) # 线性 SVM 分类器
svc.fit(X_standard,y) # 训练svm

在最开始导入包，然后在刚刚代码最下方黏贴以下代码

from matplotlib.colors import ListedColormap # 导入 ListedColormap 包


def plot_decision_boundary(model, axis): 
	x0, x1 = np.meshgrid( np.linspace(axis[0], axis[1], <