python编程线性回归代码示例

概述 用python进行线性回归分析非常方便，有现成的库可以使用比如：numpy.linalog.lstsq例子、scipy.stats.linregress例子、pandas.ols例子等。

 用python进行线性回归分析非常方便，有现成的库可以使用比如：numpy.linalog.lstsq例子、scipy.stats.linregress例子、pandas.ols例子等。

不过本文使用sklearn库的linear_model.linearRegression，支持任意维度，非常好用。

一、二维直线的例子

预备知识：线性方程y=a∗x+b。y=a∗x+b表示平面一直线

下面的例子中，我们根据房屋面积、房屋价格的历史数据，建立线性回归模型。

然后，根据给出的房屋面积，来预测房屋价格。这里是数据来源

import pandas as pd from io import StringIO  from sklearn import linear_model  import matplotlib.pyplot as plt # 房屋面积与价格历史数据(csv文件) csv_data = 'square_feet,price\n150,6450\n200,7450\n250,8450\n300,9450\n350,11450\n400,15450\n600,18450\n'  # 读入dataframe df = pd.read_csv(StringIO(csv_data)) print(df)  # 建立线性回归模型 regr = linear_model.linearRegression()  # 拟合 regr.fit(df['square_feet'].reshape(-1,1),df['price']) # 注意此处.reshape(-1,1)，因为X是一维的！ # 不难得到直线的斜率、截距 a,b = regr.coef_,regr.intercept_  # 给出待预测面积 area = 238.5  # 方式1：根据直线方程计算的价格 print(a * area + b) # 方式2：根据predict方法预测的价格 print(regr.predict(area))  # 画图 # 1.真实的点 plt.scatter(df['square_feet'],df['price'],color='blue')  # 2.拟合的直线 plt.plot(df['square_feet'],regr.predict(df['square_feet'].reshape(-1,1)),color='red',linewidth=4)  plt.show() 

二、三维平面的例子

预备知识：线性方程z=a∗x+b∗y+c。z=a∗x+b∗y+c 表示空间一平面

由于找不到真实数据，只好自己虚拟一组数据。

import numpy as np  from sklearn import linear_model  from mpl_toolkits.mplot3d import Axes3D import matplotlib.pyplot as plt  xx,yy = np.meshgrID(np.linspace(0,10,10),np.linspace(0,100,10)) zz = 1.0 * xx + 3.5 * yy + np.random.randint(0,(10,10))  # 构建成特征、值的形式 X,Z = np.column_stack((xx.flatten(),yy.flatten())),zz.flatten()  # 建立线性回归模型 regr = linear_model.linearRegression()  # 拟合 regr.fit(X,Z) # 不难得到平面的系数、截距 a,regr.intercept_  # 给出待预测的一个特征 x = np.array([[5.8,78.3]])  # 方式1：根据线性方程计算待预测的特征x对应的值z（注意：np.sum） print(np.sum(a * x) + b)  # 方式2：根据predict方法预测的值z print(regr.predict(x))  # 画图 fig = plt.figure() ax = fig.gca(projection='3d')  # 1.画出真实的点 ax.scatter(xx,yy,zz) # 2.画出拟合的平面 ax.plot_wireframe(xx,regr.predict(X).reshape(10,10)) ax.plot_surface(xx,Alpha=0.3) plt.show() 

效果图

总结

以上就是本文关于Python编程线性回归代码示例的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站：

python八大排序算法速度实例对比

详解K-means算法在Python中的实现

Python算法之图的遍历

如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！

总结

以上是内存溢出为你收集整理的python编程线性回归代码示例全部内容，希望文章能够帮你解决python编程线性回归代码示例所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。