python编程线性回归代码示例

作者:风景不在对岸wj 时间:2021-06-07 07:53:16 

 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()

python编程线性回归代码示例

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

python编程线性回归代码示例

总结

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!

来源:http://blog.csdn.net/u011089523/article/details/61616053

标签:python,线性回归
0
投稿

猜你喜欢

  • Python对多个sheet表进行整合实例讲解

    2021-01-15 06:18:24
  • Facebook是如何设计的[译]

    2009-09-17 13:10:00
  • laravel框架关于搜索功能的实现

    2024-05-03 15:27:54
  • JavaScript中随机数方法 Math.random()

    2024-04-10 13:56:30
  • 3个JS控制图片滚动的效果

    2007-10-23 13:40:00
  • Django搭建MySQL主从实现读写分离

    2024-01-14 08:13:09
  • 解决图片撑大问题

    2009-09-22 14:51:00
  • python3 flask实现文件上传功能

    2022-11-19 18:42:10
  • python 获取list 长度

    2021-11-12 12:49:57
  • python在Windows8下获取本机ip地址的方法

    2023-07-31 17:10:44
  • Python检测一个对象是否为字符串类的方法

    2022-11-02 15:25:24
  • 解决vue 给window添加和移除resize事件遇到的坑

    2024-04-10 13:45:45
  • Keras搭建Efficientdet目标检测平台的实现思路

    2022-01-18 21:07:31
  • 使用SQL2000将现有代码作为Web服务提供

    2009-02-19 17:20:00
  • python3实现多线程聊天室

    2021-09-11 07:35:47
  • vue中的面包屑导航组件实例代码

    2024-05-02 17:11:28
  • python实现分页效果

    2021-07-12 16:00:44
  • java实现的连接oracle/mysql数据库功能简单示例【附oracle+mysql数据库驱动包】

    2024-01-14 11:26:55
  • python 接口测试response返回数据对比的方法

    2023-10-12 14:01:31
  • php5.2 Json不能正确处理中文、GB编码的解决方法

    2023-10-26 13:49:28
  • asp之家 网络编程 m.aspxhome.com