python线性回归实例_python 线性回归示例
说明:此文的第一部分参考了这里
用python进行线性回归分析非常方便,有现成的库可以使用比如:numpy.linalog.lstsq例子、scipy.stats.linregress例子、pandas.ols例子等。
不过本文使用sklearn库的linear_model.LinearRegression,支持任意维度,非常好用。
一、二维直线的例子
预备知识:线性方程\(y = a * x + b\) 表示平面一直线
下面的例子中,我们根据房屋面积、房屋价格的历史数据,建立线性回归模型。
然后,根据给出的房屋面积,来预测房屋价格。这里是数据来源
import pandas as pd
from io import StringIO
from sklearn import linear_model
import matplotlib.pyplot as plt
# 房屋面积与价格历史数据(csv文件)
csv_data = 'square_feet,price\n150,6450\n200,7450\n250,8450\n300,9450\n350,11450\n400,15450\n600,18450\n'
# 读入dataframe
df = pd.read_csv(StringIO(csv_data))
print(df)
# 建立线性回归模型
regr = linear_model.LinearRegression()
# 拟合
regr.fit(df['square_feet'].reshape(-1, 1), df['price']) # 注意此处.reshape(-1, 1),因为X是一维的!
# 不难得到直线的斜率、截距
a, b = regr.coef_, regr.intercept_
# 给出待预测面积
area = 238.5
# 方式1:根据直线方程计算的价格
print(a * area + b)
# 方式2:根据predict方法预测的价格
print(regr.predict(area))
# 画图
# 1.真实的点
plt.scatter(df['square_feet'], df['price'], color='blue')
# 2.拟合的直线
plt.plot(df['square_feet'], regr.predict(df['square_feet'].reshape(-1,1)), color='red', linewidth=4)
plt.show()
效果图
二、三维平面的例子
预备知识:线性方程\(z = a * x + b * y + c\) 表示空间一平面
由于找不到真实数据,只好自己虚拟一组数据。
import numpy as np
from sklearn import linear_model
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
xx, yy = np.meshgrid(np.linspace(0,10,10), np.linspace(0,100,10))
zz = 1.0 * xx + 3.5 * yy + np.random.randint(0,100,(10,10))
# 构建成特征、值的形式
X, Z = np.column_stack((xx.flatten(),yy.flatten())), zz.flatten()
# 建立线性回归模型
regr = linear_model.LinearRegression()
# 拟合
regr.fit(X, Z)
# 不难得到平面的系数、截距
a, b = regr.coef_, regr.intercept_
# 给出待预测的一个特征
x = np.array([[5.8, 78.3]])
# 方式1:根据线性方程计算待预测的特征x对应的值z(注意:np.sum)
print(np.sum(a * x) + b)
# 方式2:根据predict方法预测的值z
print(regr.predict(x))
# 画图
fig = plt.figure()
ax = fig.gca(projection='3d')
# 1.画出真实的点
ax.scatter(xx, yy, zz)
# 2.画出拟合的平面
ax.plot_wireframe(xx, yy, regr.predict(X).reshape(10,10))
ax.plot_surface(xx, yy, regr.predict(X).reshape(10,10), alpha=0.3)
plt.show()
效果图
python线性回归实例_python 线性回归示例相关推荐
- python线性回归实例_python线性回归示例
版权声明:本文为博主原创文章,未经博主允许不得转载.https://blog.csdn.net/haluoluo211/article/details/78761466 下面给出sklearn 库线性 ...
- python 异常处理 实例_Python 异常处理(示例代码)
一.异常概念 Python在执行代码之前,会进行语法检查,如果语法出错了,会抛出语法错误(SyntaxError). Python程序运行期间检测到的错误被称为异常. 内置异常: BaseExcept ...
- python图像处理实例_python 图像处理(示例代码)
Pillow是Python里的图像处理库(PIL:Python Image Library),提供了了广泛的文件格式支持,强大的图像处理能力,主要包括图像储存.图像显示.格式转换以及基本的图像处理操作 ...
- python tkinter实例_Python tkinter模版代码实例
这篇文章主要介绍了Python tkinter模版代码实例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 代码如下 import tkinter i ...
- python实现实例_Python 练习实例65
Python 练习实例65 题目:一个最优美的图案. 程序分析:无. 程序源代码: #!/usr/bin/python # -*- coding: UTF-8 -*- import math clas ...
- python多元线性回归实例_Python机器学习多元线性回归模型 | kTWO-个人博客
前言 在上一篇文章<机器学习简单线性回归模型>中我们讲解分析了Python机器学习中单输入的线性回归模型,但是在实际生活中,我们遇到的问题都是多个条件决定的问题,在机器学习中我们称之为多元 ...
- python线性回归实例_Python机器学习线性回归分析实例 | kTWO-个人博客
前言 在前面的文章中,我们都是简单的对线性回归模型进行构建,这篇文章我们采用网上下载的数据量比较大的数据来对模型进行构造,最后讲述在线性的情况下如何对模型进行评估. 数据集介绍 下图是该数据集的前10 ...
- python 线性回归 优化_python – 线性回归实现总是比sklearn更糟糕
我在python中实现了梯度下降的线性回归.为了了解它的表现如何,我将它与scikit-learn的LinearRegression()类进行了比较.出于某种原因,sklearn总是比MSE平均表现优 ...
- python回归分析实验_python线性回归实验
实验 算法 python 线性回归实验 [实验名称] Python 线性回归实验 [实验要求] 掌握 Python 线性回归模型应用过程,根据模型要求进行数据预处理,建模,评价与应用: [背景描述] ...
最新文章
- 基于Vue.js的精选壁纸推荐单页应用
- 三星智能家居系统频繁故障 大批用户受到影响
- 【2019CSP-J 普及组题解】数字游戏(number),公交换乘(transfer),纪念品(souvenir),加工领奖(work) CSP普及游记
- java名人_识别名人 · Find the Celebrity
- Android 安装详解---Mr.Zhang
- 自动生成数学题型二(框架struts2)题型如((a+b)*c=d)
- C++ 实现排序问题:时间复杂度O(n),空间复杂度O(1)
- div中赋值html字符串
- Android Studio 完美解决 “Android SDK Manager 无法更新“、 ”connection error” 的问题...
- Mysql中的where条件子句的使用方法
- HTTP状态代码列表
- 7 行为型模式之 - 状态模式
- 如何准备面试中算法问题
- 开源的视频编解码器介绍
- 搜索引擎工作原理解析
- 天地图API搜索。定位等
- 银行大数据风控管理针对哪些应用场景?
- MacBook安裝系統報錯
- 两台电脑访问共享文件出现权限不够的问题
- Unity简单实现电量、充电状态显示
热门文章
- python官网下载步骤linux-linux 安装 python 最全教程
- python3菜鸟-Python3 迭代器与生成器
- python使用教程视频-Python入门教程视频分享
- windows如何安装python-手把手教你如何在windows系统安装python?
- 性能调优之工具---perf
- shell脚本中的引用
- [Android] for ArcFace Demo
- Software-OO 面向对象思维
- Swift学习:基础部分(The Basics)
- lambda expressions are not supported at this language level