Python 言語で線形回帰を実装する手順は、使用するライブラリをインポートし、データを読み込み、前処理を実行します。データを分析して線形回帰モデルを確立し、モデルのトレーニングを実行してモデルの効果をテストします。
Python 言語を使用して線形回帰を実装すると、numpy などの既製のライブラリが複数提供されるため、非常に便利です。 linalog .lstsq、pandas.ols、
scipy.stats.linregress など。この記事では、sklearn ライブラリの Linear_model.LinearRegression を使用します。これは、あらゆる次元をサポートしており、非常に使いやすいです。
[推奨チュートリアル: Python チュートリアル]
2 次元直線
例: 線形方程式 y=a*x b; y=a*x b は平面上の直線を表します
次の例では、線形回帰モデルを確立します。 、家の面積を指定して家の価格を予測します
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()
レンダリング:
##3 次元平面
#一次方程式 z= a*x b*y c; z=a*x b*y c は空間内の平面を表します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(0,100,(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, b = regr.coef_, 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, yy, regr.predict(X).reshape(10,10)) ax.plot_surface(xx, yy, regr.predict(X).reshape(10,10), alpha=0.3) plt.show()
レンダリング:
# #概要: 上記がこの記事の全内容です。皆様のお役に立てれば幸いです。
以上がPythonで線形回帰を実装する方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。