線性回歸模型屬于經典的統計學模型，該模型的應用場景是根據已知的變量(自變量)來預測某個連續的數值變量(因變量)。

一元線性回歸模型：y=a+bx+ε

import pandas as pd import matplotlib.pyplot as plt import seaborn as snsf = open(r'C:\Users\active\Music\Desktop\Python\第7章 線性回歸模型\第7章 線性回歸模型\第七章 線性回歸模型\Salary_Data.csv', encoding='UTF-8') income = pd.read_csv(f) sns.lmplot(x='YearsExperience',y='Salary',data=income,ci=None) plt.show()

如何得到這條擬合線數學表達式？

運用statsmodels，用于統計建模的第三方模塊，如需實現線性回歸模型的參數求解，可以調用子模塊中的ols函數。有關該函數的語法及參數含義如下

formula：以字符串的形式指定線性回歸模型的公式，如‘y~x’就表示簡單線性回歸模型。

data：指定建模的數據集。

subset：通過bool類型數組對象，獲取data的子集用于建模。

drop_cols:指定需要從data中刪除的變量。

import statsmodels.api as sm fit = sm.formula.ols('Salary~YearsExperience',data=income).fit() print(fit.params)OUT:Intercept 25792.200199 YearsExperience 9449.962321 dtype: float64

?多元線性回歸模型：y=y=β0+β1x1+β2x2+...+ε

回歸模型參數的求解：最小二乘法

回歸模型的預測：用predict方法(predict(exog=None，transform=True)

exog：指定用于預測的用于預測的其他自變量的值

transform：bool類型參數，預測時是否將原始數據按照模型表達式進行轉換，默認為True

接下來將基于statsmodels模塊對多元線性回歸模型的參數進行求解，進而依據其他新的自變量值實現模型的預測功能。

總結

以上是生活随笔為你收集整理的第七章 线性回归预测模型的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。