<aside> <img src="/icons/condense_yellow.svg" alt="/icons/condense_yellow.svg" width="40px" /> Python | 统计模型 | 线性回归 | 非线性 | 推理 | 教育 | 分数 | 最小二乘法 | 置信区间 | 测试
</aside>
在统计学中,简单线性回归是具有单个解释变量的线性回归模型。 在简单线性回归中,我们根据一个变量的结果来预测另一个变量的分数。 标准变量 Y 是我们预测的变量。 预测变量 X 是我们用来进行预测的变量。 这种预测方法被称为简单回归,因为只有一个预测变量,结果,对于具有一个自变量和一个因变量的二维样本点,发现了一种线性函数,该线性函数将因变量的值预测为自变量的函数。
$$ y=m x+c $$
这是简单的线性回归方程,其中 c 是常数,m 是斜率,描述了 x(自变量)和 y(因变量)之间的关系。 该系数可以是正值,也可以是负值,是自变量每变化 1 个单位,因变量的变化程度。
$$ Y_i=\beta_0+\beta_1 X_i $$
$\beta 0$(y 截距)和 $\beta 1$(斜率)是系数,其值代表预测值与实际值的准确性。
我们需要 Pandas 进行数据操作,NumPy 进行数学计算,MatplotLib 和 Seaborn 进行可视化。 Sklearn 库用于机器学习操作。
# Import libraries
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.model_selection import train_test_split
from pandas.core.common import random_state
from sklearn.linear_model import LinearRegression
从此处下载数据集并将其上传到您的笔记本并将其读入 pandas 数据框。
# Get dataset
df_sal = pd.read_csv('/content/Sal_Data.csv')
df_sal.head()
现在我们已经准备好了数据,让我们详细分析和了解它的趋势。为此,我们可以首先描述以下数据 -
# Describe data
df_sal.describe()
我们还可以使用 Seaborn distplot 直观地了解数据的分布情况
# Data distribution
plt.title('Sal Distribution Plot')
sns.distplot(df_sal['Sal'])
plt.show()
distplot 或分布图显示数据分布的变化。 它通过将线条与直方图相结合来表示数据。然后我们检查数据间的关系 -
# Relationship between Salary and Experience
plt.scatter(df_sal['YearsExp'], df_sal['Sal'], color = 'lightcoral')
plt.title('Sal vs Exp')
plt.xlabel('Years of Exp')
plt.ylabel('Sal')
plt.box(False)
plt.show()
将数据集拆分为因变量/自变量