Python數據挖掘—回歸—線性回歸

簡單線性回歸

步驟：

1、讀取數據

2、畫出散點圖，求x和y 的相關系數：plt.scatter(x,y),x和y是dataframe

3、估計參數模型，建立回歸模型：lrModel=LinearRegression()

4、訓練模型: lrModel.fit(x,y)

5、對回歸模型進行檢驗: lrModel.score(x,y)

6、利用回歸模型進行預測:  lrModel.predict()

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

data=read_csv(
    "C:\\Users\\Jw\\Desktop\\python_work\\Python數據挖掘實戰課程課件\\4.1\\data.csv")

#第二步，畫出散點圖，求x和y 的相關系數
plt.scatter(data.廣告投入,data.銷售額)

data.corr()

#第三部，估計模型參數，建立回歸模型
lrModel=LinearRegression()

x=data[["廣告投入"]]      #一個[]是series，兩個是dataframe
y=data[["銷售額"]]


#訓練模型
lrModel.fit(x,y)


#第四步，對回歸模型進行檢驗
lrModel.score(x,y)

#第五步，利用回歸模型進行預測
lrModel.predict([[50],[40],[30]])

同時還可以看截距與斜率：

alpha=lrModel.intercept_[0]

beta=lrModel.coef_[0][0]

alpha+beta*numpy.array([50,40,30])

 

多重線性回歸

步驟：

1、讀取數據

2、建模

3、訓練模型

4、評分

5、預測

import pandas;
import matplotlib;
from pandas.tools.plotting import scatter_matrix;

data = pandas.read_csv(
    'D:\\PDM\\4.2\\data.csv'
)

font = {
    'family' : 'SimHei'
}
matplotlib.rc('font', **font)

scatter_matrix(
    data[["店鋪的面積", "距離最近的車站", "月營業額"]], 
    figsize=(10, 10), diagonal='kde'
)

data[["店鋪的面積", "距離最近的車站", "月營業額"]].corr()

x = data[["店鋪的面積", "距離最近的車站"]]
y = data[["月營業額"]]

from sklearn.linear_model import LinearRegression
#建模
lrModel = LinearRegression()
#訓練模型
lrModel.fit(x, y)
#評分
lrModel.score(x, y)
#預測
lrModel.predict([10, 110])

lrModel.predict([[10, 110],[20, 110]])

#查看參數
lrModel.coef_

#查看截距
lrModel.intercept_