簡單回歸（有筆記） python

import numpy as np

import matplotlib.pyplot as plt
import pandas as pd

dataset = pd.read_csv(

'salary_data.csv'
)

dataset.head(

5)

salary

01.1

39343

11.3

46205

21.5

37731

32.0

43525

42.2

39891

#左閉右開

x = dataset.iloc[:,
:-1]
.values#從開頭到倒數第二列，即year***perience
y = dataset.iloc[:,
1].values#第二列

x

array([[ 1.1],

[ 1.3],
[ 1.5],
[ 2. ],
[ 2.2],
[ 2.9],
[ 3. ],
[ 3.2],
[ 3.2],
[ 3.7],
[ 3.9],
[ 4. ],
[ 4. ],
[ 4.1],
[ 4.5],
[ 4.9],
[ 5.1],
[ 5.3],
[ 5.9],
[ 6. ],
[ 6.8],
[ 7.1],
[ 7.9],
[ 8.2],
[ 8.7],
[ 9. ],
[ 9.5],
[ 9.6],
[10.3],
[10.5]])

from sklearn.model_selection import train_test_split

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size =1/

3, random_state =
0)

#****** linear regression對應機器；擬合對應學習

#建立簡單回歸器，並且用訓練集擬合簡單線性回歸器
from sklearn.linear_model import linearregression

regressor = linearregression(

)#建立物件

regressor.fit(x_train, y_train)

#用訓練集的資料擬合

linearregression()

#**測試集的因變數為多少，並且讓**結果和測試結果進行比較

y_pred = regressor.predict(x_test)
#y_pred為使用測試集的輸入得出的**結果 regressor回歸器

#畫出訓練集的實際結果以及回歸器的**結果

plt.scatter(x_train, y_train, color =
'red'
)#第乙個：x軸，自變數；第二個：y軸的值；第三個：為點塗色
plt.plot(x_train, regressor.predict(x_train)
, color =
'blue'
)#回歸器的**結果，以線的方式表示；第乙個：x軸，自變數；第二個：y軸對應的值，及回歸器的**結果；第三個：為線塗色 
plt.title(
'salary vs experience (training set)'
)#為影象加標題
plt.xlabel(
'years of experience'
)#x軸標籤
plt.ylabel(
'salary'
)#y軸標籤
#畫出測試集的實際結果以及回歸器的**結果

線性回歸 簡單python實現
在空間中找到一條線擬合已經存在的資料，訓練結束後對未知的資料有乙個 的作用。線性回歸一般模型 擴充套件到n維空間 構建模型後需要對引數進行優化，使其構造的回歸模型能最為精確的對資料進行擬合。可以直觀的看出，該模型的優化問題是乙個凸優化問題，找到的最優解即為全域性最優解。整體演算法描述如下 該問題轉化...
python簡單實現邏輯回歸 LR
import numpy as np import math from sklearn import datasets from collections import counter infinity float 2 31 邏輯回歸的實現 defsigmodformatrix xb,thetas p...
python多元線性回歸簡單實現
繼上次對成都房租進行視覺化後，這次簡單的做乙個成都房租與面積 所屬區的多元回歸分析。資料集一共有3w資料，每一組觀測值對應乙個房租情況，其中 價錢 乙個月房租，單位人民幣。面積 租房的面積，單位平方公尺。所屬區 序號如下 步驟1 首先使用pandas庫匯入資料 import pandas as pd...