一元线性回归模型模拟预测

一元线性回归是描述两个变量之间的相关关系最简单的模型。
根据两个变量之间的相关关系，拟合出一条直线来预测因变量变化的轨迹。

下面通过自己模拟的一些数据都进行模型预测

预测值的轨迹

import pandas as pd
import numpy as np
import random
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression as LR

# 获取数据
def get_data():
    # 模拟线性关系的数据
    a = [random.choice(np.arange(10,15)) for i in np.arange(100)]
    b = [random.choice(np.arange(-20,20)) for i in np.arange(100)]
    x = [i for i in np.arange(100)]
    y = [i[0]*i[1]+i[2] for i in zip(a,x,b)]
    x = pd.DataFrame(x, columns=['x'])
    y = pd.DataFrame(y, columns=['y'])
    return x, y

# 绘制预测轨迹及真实数据散点图
def show_predict(x, y):
    # 构建模型
    lr = LR()
    lr.fit(x, y)
    # 预测轨迹
    y_pred = lr.predict(x)
    # 绘制图像
    plt.figure(figsize=(8,6))
    plt.scatter(x,