python编程代码示例_python编程线性回归代码示例

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。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()

二、三维平面的例子

预备知识：线性方程z=a∗x+b∗y+c。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

总结

以上就是本文关于python编程线性回归代码示例的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站：

python八大排序算法速度实例对比

详解K-means算法在Python中的实现

Python算法之图的遍历

如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！

时间： 2017-12-06

python编程代码示例_python编程线性回归代码示例相关推荐

python开发微信群_Python编程：微信群聊程序的开发与进/线程知识汇总(附代码)
本文承接上篇文章的客户端-服务器聊天对话程序,进一步设计开发了微信群聊的python模拟程序,涉及的python知识点为:Python实战:聊天软件开发与TCP/Socket编程知识汇总(附代码)和 ...
python编程工时计算_Python编程题：两个日期间的天数统计(附代码)
编程题一:计算两个日期之间的天数题目如下: 题目一解题思路: 将两个日期格式化成time模块中的标准时间结构struct_time,缺少值用0补齐利用time模块函数分别计算两个日期到时间戳(指格 ...
python教程很详细_Python编程入门教程：从入门到高级，非常详细
本文的资料和内容是我下载的,觉得非常有用,于是转过来大家瞧瞧: 这里给初学Python的朋友提供一些建议和指导吧.大神请无视, 俗话说:授人以鱼不如授人以渔.所以我这里只是阐述学习过程,并不会直接详细 ...
python编程软件开发_Python编程对软件开发人员很重要？
我相信 Python 编程对软件开发人员很重要.现今已经诞生了不少的编程语言,它们都有各自不同的特性:强大者如 Lisp,快速如C,运用广泛如 Java,论古怪则如 Haskell.与这些语言不同,P ...
python输出运行时间表_Python编程第十二课了解程序运行的时间
了解了程序如何运行,我们就可以让我们写的程序变得更快. 介绍在前面很长一段时间,我们学习建立一个搜索索引,它可以通过一次一次地查看每个条目来响应查询. 当搜索索引检查关键字与我们要找的词相匹配时,就 ...
python编程游戏软件_python编程教学
python编程教学app是一款为零基础编程爱好者量身定制的Python入门学习助手,python编程教学app让初学者也可快速掌握编程的学习法则,python编程教学app快速进入到编程的世界,多种 ...
python前端界面模板_Python编程flask使用页面模版的方法
在flask中可以像go和angular那样使用页面模版(template),可以将HTML页面显示进行模版化,通过参数传递与页面进行数据交互. 概要信息事前准备:flask liumiaocn:f ...
python找水仙花数_Python一句代码实现找出所有水仙花数的方法
水仙花数是指一个 3位正整数,它的每个位上的数字的 3 次幂之和等于它本身.(例如:1^3 + 5^3+ 3^3 = 153) 下面用一句代码实现找出所有的水仙花数: 方法一: >>> ...
python tkinter计算器实例_Python编程使用tkinter模块实现计算器软件完整代码示例
Python 提供了多个图形开发界面的库.Tkinter就是其中之一. Tkinter 模块(Tk 接口)是 Python 的标准 Tk GUI 工具包的接口 .Tk 和 Tkinter 可以在大多数 ...

python编程代码示例_python编程线性回归代码示例

python编程代码示例_python编程线性回归代码示例相关推荐

最新文章

热门文章