一、名词解释。

不同变量相关关系的机器学习算法——简单线性回归算法。

散点图可以表示两个变量之间的相关性。

回归分析:能让我们进一步用更精确的话来描述出两个变量之间的线性相关性。

二、线性相关计算方法:

相关系数:反应的是两个变量每单位的相关性程度。

线性相关性种类:正线性相关,负线性相关,不是线性相关。

线性相关性程度衡量标准:①两个变量的相关性方向。

②相关性大小表示两个变量每单位的相关性程度。

相关系数是标准后的协方差。

python计算相关系数的方法:

相关系数矩阵,代码如下:rDf=examDf.corr()

相关系数越高,相关性越强。

三、简单线性回归

线性回归计算方法:

最佳拟合线:线性回归的本质。

回归方程:y=a+bx,截距a,相关系数b,

python实现简单线性回归:sklearn包实现。

例如:通过学习时间预测考试成绩。

实现步骤:

1.提取特征和标签。

2.建立训练数据和测试数据。

3.使用训练数据创建模型(创建线性回归),通过fit函数训练模型。

model.fit(X_train , y_train)

4.通过训练模型,创建最佳拟合线,得出线性回归模型,存放在Mode中。

#训练数据的预测值

y_train_pred = model.predict(X_train)

#绘制最佳拟合线

plt.plot(X_train, y_train_pred, color='black', linewidth=3, label="best line")

y_train_pred = model.predict(X_train)

5.使用测试数据评估模型的准确度。

决定系数r平方作用:①能表示回归线的拟合程度。(有多少百分比的Y波动可以由回归线来描述x的波动变化。)

②值大小。(R平方越高,回归模型越精确。)

python的实现方法:model.score(X_test,y_test)

评估模型通过model的score方法得到的是决定系数R平方。

总结:1.最佳拟合线的创建是通过训练特征值得出预测标签值获取。

2.测试数据是用来评估通过训练数据创建的模型的准确度。

Python 散点图线性拟合_简单线性回归——相关性分析相关推荐

  1. Python 散点图线性拟合_一文教你全面掌握用Python实现线性回归

    全文共4968字,预计学习时长15分钟或更长 本文旨在为读者理解和应用线性回归时提供参考.虽然线性回归算法很简单,但是只有少数人能真正理解其基本原则. 本文首先会深入挖掘线性回归理论,理解其内在的工作 ...

  2. Python 散点图线性拟合_机器学习之利用Python进行简单线性回归分析

    前言:在利用机器学习方法进行数据分析时经常要了解变量的相关性,有时还需要对变量进行回归分析.本文首先对人工智能/机器学习/深度学习.相关分析/因果分析/回归分析等易混淆的概念进行区分,最后结合案例介绍 ...

  3. python建立回归模型_简单线性回归的Python建模方法

    简单线性回归,就是两个随机变量存在一定大小的相关系数的前提下,结合散点图观察,采用最小二乘OLS方法,尝试建立一条回归直线,使得误差平方和SSE最小.OLS是一种参数方法,通过确定直线的斜率b和截距a ...

  4. c++ 显示三维散点图_【无机纳米材料科研制图——OriginLab 0209】Origin散点图线性拟合与非线性拟合...

    此篇,我们来分享对于散点图的线性拟合和非线性拟合. 一.线性拟合 1)绘制散点图. 如下图所示,我们随意编了一组数据,框选X.Y两列之后,点击Plot-->Symbol-->Scatter ...

  5. matlab中散点图的线性拟合_【在线等】Matlab 散点图线性拟合

    我着急做个图,具体题目是:有三组数据:分别为x,y,z,做一个散点图,然后线性拟合,并且在图中显示拟合直线方程,请写出全部运行语句并稍加解释.x坐标名称为H(m),y为S(mm),z为Sf(mm),数 ...

  6. plor 回归的r方_简单线性回归模型

    点击"蓝字"关注我们吧 1 导言 回归分析是一个古老的话题.一百多年前,英国的统计学家高尔顿(F. Galton,1822-1911)和他的学生皮尔逊(K. Pearson,185 ...

  7. python中输入字符串_简单讲解Python中的字符串与字符串的输入输出

    简单讲解Python中的字符串与字符串的输入输出 发布于 2016-03-26 14:35:42 | 110 次阅读 | 评论: 0 | 来源: 网友投递 Python编程语言Python 是一种面向 ...

  8. R计算两列数据的相关系数_数据特征分析·相关性分析

    相关性分析 相关分析是指对两个或多个具备相关性的变量元素进行分析,从而衡量两个因素的的相关密切程度,相关性的元素之间需要存在一定的联系或者概率才可以进行相关性分析. 1. 如何利用相关系数判断数据之间 ...

  9. python装饰器实例-Python装饰器原理与简单用法实例分析

    本文实例讲述了Python装饰器原理与简单用法.分享给大家供大家参考,具体如下: 今天整理装饰器,内嵌的装饰器.让装饰器带参数等多种形式,非常复杂,让人头疼不已.但是突然间发现了装饰器的奥秘,原来如此 ...

最新文章

  1. android随手记
  2. qt在windows和linux效率,QT 程序在windows和linux上的打包
  3. Container Networking Interface Specification
  4. c语言中缀表达式求值_数据结构考研笔记之栈与队列(四)栈与队列应用括号匹配、中缀表达式转前缀后缀问题...
  5. linux c语言 readline,Linux C代码实现读取配置文件示例
  6. hdu 4223 排序
  7. 网易2016年研发project师编程题(2)
  8. Robot Application Builder
  9. 摇篮善良:仅添加包装用于战争
  10. H264 帧边界识别简介
  11. 创建表 备注 修改表结构 修改约束
  12. Asterisk的配置详解
  13. 沪漂6年,我终于在上海买了第一套房
  14. DTU助力于智能配电房监控系统
  15. 被 onnx.checker.check_model 检查出的常见错误
  16. Intro.js 简介和用法
  17. 2020年9月程序员工资最新统计,结果万万没想到
  18. Nginx模块开发之http handler实现流量统计(进阶篇)
  19. 面向对象技术之——转发(forwarding)
  20. 思科交换机 DHCP 服务配置

热门文章

  1. 【转摘】在Word中使用SmartArt绘制组织结构图
  2. ARM内核全解析,从ARM7 ARM9到Cortex-A7 A8 Cortex-A53 A57 A72
  3. free software
  4. 数学建模方法-灰色预测法
  5. 禅意Python - The Zen of Python
  6. 疫情防控大数据分析模型搭建考虑因素
  7. mogodb 基础与副本集(详细)
  8. 2019年下半年软件设计师考试上午题的英语部分原文。
  9. 计算机网络学习笔记(1)
  10. 渲染02-内置Uniform