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,