#回歸分析和基於模擬的分析 import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns from numpy import random from pandas import Series,DataFrame from scipy import stats tips=pd.read_csv('tips.csv') tips['tips_pct']=tips['tip']/tips['total_bill'] # #可視化分析變量之間的關系，變量類別多，挨個分析麻煩，可以用seaborn # sns.set() # sns.pairplot(tips,hue='day') # plt.show() # #用day來區分顏色 # sns.pairplot(tips,hue='smoker') # plt.show() # #也可以用是否吸煙來區分顏色 ''' 1.通過回歸分析，確定變量的關系，即模型 2.理解線性回歸的原理，輸出的含義 3.掌握如何評價和選擇回歸模型 4.掌握基於重抽樣（模擬）的分析方法：置換檢驗和自助法 ''' #做線性回歸 np.random.seed(12345678) x=np.random.random(10) y=np.random.random(10) slope,intercept,r,p,std_err=stats.linregress(x,y) print(stats.linregress(x,y)) #LinregressResult(slope=0.3448642607472153, intercept=0.2685782352454486, rvalue=0.2835529378070845, pvalue=0.4272394264684026, stderr=0.41235189090280017) #slope斜率，intercept截距 fig,ax=plt.subplots(1,1,figsize=(8,6)) ax.plot(x,y,'o') ax.plot(x,intercept+x*slope) plt.show()