需要源码请点赞关注收藏后评论区留言私信~~~
一、一元线性回归分析
一元线性回归分析预测法，是根据自变量X和因变量Y的相关关系，建立X与Y的线性回归方程进行预测的方法
由于市场现象一般是受多种因素的影响，而并不是仅仅受一个因素的影响。只有当诸多的影响因素中，确实存在一个对因变量影响作用明显高于其他因素的变量，才能将它作为自变量，应用一元相关回归分析市场预测法进行预测
在简单的回归模型中，回归函数是解释变量的线性函数，回归模型则称为一元线性回归模型
回归模型的设定给出了回归函数的形式，但模型中的回归参数是未知的，要对模型参数进行估计和统计推断，需要从总体样本中抽样获得数据，设从总体中抽取N个样本
二、一元线性回归预测实战
下面分析预测房子的大小（平方英尺）和房价（美元）之间的对应关系。
如果散点图的趋势大概呈现线性关系，可以建立线性方程，若不呈线性分布，可以建立其他回归模型
从散点图可以看出，房屋面积和售价之间存在明显的线性关系。获得样本后，要对回归模型进行参数估计和统计推断
部分代码如下
import numpy as np import matplotlib.pyplot as plt from sklearn.linear_model import LinearRegression plt.rcParams['font.sans-serif']=['SimHei'] plt.rcParams['font.size']=13 y=np.array([6450, 7450, 8450, 9450, 11450, 15450, 18450]) x=np.array([10,300, 350, 400, 600]) x=x.reshape(1,-1) y=y.reshape(1,-1) #x=x.reshape(len(x),1) #y=y.reshape(len(y),1) clf=LinearRegression() clf.fit(x,y) pre=clf.predict(y) print(pre) #plt.scatter(x,y) plt.xlabel('面积(平方英尺)') plt.ylabelm],[y[idx],pre[idx]],'g-') plt.plot(x,y,'r-',linewidth=2) plt.show()
创作不易 觉得有帮助请点赞关注收藏~~~
