目錄
資料
print('截距:', model .intercept_)
截距: 36646.35077294225
首頁 後端開發 Python教學 Python中的單變數線性迴歸實例

Python中的單變數線性迴歸實例

Jun 09, 2023 pm 11:04 PM
python 回歸 線性

Python是一種非常流行的程式語言,其強大的科學計算和數據處理能力使其在數據分析和機器學習領域中廣泛應用。本文將介紹如何在Python中使用單變量線性迴歸進行資料建模和預測,並透過一個實例來演示其實際應用。

首先,什麼是線性迴歸?在統計學和機器學習中,線性迴歸是一種用於建立兩個變數之間關係的方法。在單變量線性迴歸中,我們只有一個解釋變數(自變數)和一個反應變數(因變數)。

接下來,我們將介紹如何使用Python中的scikit-learn函式庫來實作單變數線性迴歸。 scikit-learn是一個流行的機器學習庫,其中包含許多用於資料建模和視覺化的工具。

Step 1: 導入庫和資料
首先,我們需要導入一些函式庫。在本文中,我們將使用NumPy、Pandas、Matplotlib和Scikit-learn。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

接下來,我們需要準備要分析的數據。在這個例子中,我們將使用一組有關於房屋面積和價格的數據,這是一個非常簡單的數據集。

資料

df = pd.DataFrame({'面積': [1400, 1600, 1700, 1875, 1100, 1550, 2350, 2450, 1425, 1700],##

               '价格': [245000, 312000, 279000, 308000, 199000, 219000, 405000, 324000, 319000, 255000]})
登入後複製

print(df)

輸出如下:

面积      价格
登入後複製

0 1400 245000

1 1600 312000
2 1700 279000
3 1875 308000##4 1100191900
5 1550 219000
6 2350 405000
7 2450 324000
8 1425 319000
9 1700 255000

Step 2:

#Step 2: 導入資料分析了


#B




B2:數據,我們可以開始進行一些數據分析和視覺化。讓我們繪製一個散點圖,其中橫坐標是房屋面積,縱坐標是售價。


plt.scatter(df['面積'], df['價格'])

plt.xlabel('面積')

plt.ylabel('價格')
plt.show()

輸出:

這張散佈圖告訴我們,隨著房屋面積的增加,售價也增加。因此,這兩個變數之間可能存在一種線性關係。


Step 3: 擬合線性迴歸模型

現在,我們可以開始擬合線性迴歸模型。在scikit-learn中,建立線性模型需要使用LinearRegression()函數。

X = df[['面積']]

Y = df['價格']
model = LinearRegression().fit(X, Y)

在這裡,我們將面積賦值給自變數X,價格賦值給因變數Y,並將其傳遞到LinearRegression()函數。擬合模型後,我們可以檢查斜率和截距。

print('斜率:', model.coef_)

print('截距:', model .intercept_)

輸出:

斜率: [126.88610769]

截距: 36646.35077294225

Step 4: 視覺化結果
完成了模型的訓練,我們可以使用Matplotlib繪製回歸線並預測房屋價格。下面的程式碼將顯示如何預測一個新的房屋面積的售價。

預測

y_pred = model.predict([[2000]])

print('預測售價:', y_pred)

#繪製迴歸線

plt.scatter(df['面積'], df['價格'])

plt.plot(df['面積'], model.predict(df[['面積']]), color ='r')###plt.xlabel('面積')###plt.ylabel('價格')###plt.show()#####輸出:#####可以看出,我們的迴歸線符合我們的數據點,我們可以使用擬合的模型來預測新的房屋面積的售價。 ######本文介紹如何使用Python中的scikit-learn庫實現單變量線性迴歸,包括資料準備、資料分析和視覺化、擬合線性迴歸模型和預測結果。線性迴歸是一個簡單而強大的工具,可用於研究兩個變數之間的關係並進行預測,在資料分析和機器學習中有著廣泛的應用。 ###

以上是Python中的單變數線性迴歸實例的詳細內容。更多資訊請關注PHP中文網其他相關文章!

本網站聲明
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn

熱AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover

AI Clothes Remover

用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool

Undress AI Tool

免費脫衣圖片

Clothoff.io

Clothoff.io

AI脫衣器

Video Face Swap

Video Face Swap

使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱工具

記事本++7.3.1

記事本++7.3.1

好用且免費的程式碼編輯器

SublimeText3漢化版

SublimeText3漢化版

中文版,非常好用

禪工作室 13.0.1

禪工作室 13.0.1

強大的PHP整合開發環境

Dreamweaver CS6

Dreamweaver CS6

視覺化網頁開發工具

SublimeText3 Mac版

SublimeText3 Mac版

神級程式碼編輯軟體(SublimeText3)

熱門話題

Java教學
1664
14
CakePHP 教程
1421
52
Laravel 教程
1315
25
PHP教程
1266
29
C# 教程
1239
24
PHP和Python:解釋了不同的範例 PHP和Python:解釋了不同的範例 Apr 18, 2025 am 12:26 AM

PHP主要是過程式編程,但也支持面向對象編程(OOP);Python支持多種範式,包括OOP、函數式和過程式編程。 PHP適合web開發,Python適用於多種應用,如數據分析和機器學習。

在PHP和Python之間進行選擇:指南 在PHP和Python之間進行選擇:指南 Apr 18, 2025 am 12:24 AM

PHP適合網頁開發和快速原型開發,Python適用於數據科學和機器學習。 1.PHP用於動態網頁開發,語法簡單,適合快速開發。 2.Python語法簡潔,適用於多領域,庫生態系統強大。

PHP和Python:深入了解他們的歷史 PHP和Python:深入了解他們的歷史 Apr 18, 2025 am 12:25 AM

PHP起源於1994年,由RasmusLerdorf開發,最初用於跟踪網站訪問者,逐漸演變為服務器端腳本語言,廣泛應用於網頁開發。 Python由GuidovanRossum於1980年代末開發,1991年首次發布,強調代碼可讀性和簡潔性,適用於科學計算、數據分析等領域。

Python vs. JavaScript:學習曲線和易用性 Python vs. JavaScript:學習曲線和易用性 Apr 16, 2025 am 12:12 AM

Python更適合初學者,學習曲線平緩,語法簡潔;JavaScript適合前端開發,學習曲線較陡,語法靈活。 1.Python語法直觀,適用於數據科學和後端開發。 2.JavaScript靈活,廣泛用於前端和服務器端編程。

sublime怎麼運行代碼python sublime怎麼運行代碼python Apr 16, 2025 am 08:48 AM

在 Sublime Text 中運行 Python 代碼,需先安裝 Python 插件,再創建 .py 文件並編寫代碼,最後按 Ctrl B 運行代碼,輸出會在控制台中顯示。

vscode在哪寫代碼 vscode在哪寫代碼 Apr 15, 2025 pm 09:54 PM

在 Visual Studio Code(VSCode)中編寫代碼簡單易行,只需安裝 VSCode、創建項目、選擇語言、創建文件、編寫代碼、保存並運行即可。 VSCode 的優點包括跨平台、免費開源、強大功能、擴展豐富,以及輕量快速。

Golang vs. Python:性能和可伸縮性 Golang vs. Python:性能和可伸縮性 Apr 19, 2025 am 12:18 AM

Golang在性能和可擴展性方面優於Python。 1)Golang的編譯型特性和高效並發模型使其在高並發場景下表現出色。 2)Python作為解釋型語言,執行速度較慢,但通過工具如Cython可優化性能。

notepad 怎麼運行python notepad 怎麼運行python Apr 16, 2025 pm 07:33 PM

在 Notepad 中運行 Python 代碼需要安裝 Python 可執行文件和 NppExec 插件。安裝 Python 並為其添加 PATH 後,在 NppExec 插件中配置命令為“python”、參數為“{CURRENT_DIRECTORY}{FILE_NAME}”,即可在 Notepad 中通過快捷鍵“F6”運行 Python 代碼。

See all articles