Einfaches lineares Regressionsprogramm
Wir zeigen ein Beispiel für ein einfaches lineares Regressionsprogramm. Die Formel lautet wie folgt: y = b0 + b1 * x1 - y = abhängige Variable (DV) b0 = Konstante
In diesem Artikel zeigen wir ein Beispiel für ein einfaches lineares Regressionsprogramm.
[sc_fs_faq html='true' headline='h2″ img='' question='Simple Linear Regression Program' img_alt='' css_class=''] Importieren von Bibliotheken
Importieren des Datensatzes
Aufteilen des Datensatzes in Trainingssatz und Testsatz
Training the Einfaches lineares Regressionsmodell des Trainingssatzes
Vorhersage des
Testsatzergebnisses
Visualisierung des Trainingssatzergebnisses
Visualisierung des
Testsatzergebnisses [/sc_fs_faq]
Die Formel lautet wie folgt:
y = b0 + b1 * x1
y = Abhängige Variable (DV)
b0 = Konstante
b1 = Koeffizient
x1 = Unabhängige Variable (IV)
Hier ein Beispiel für das Programm:
Bibliotheken importieren
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
Importieren Sie den Datensatz
dataset = pd.read_csv('dataset-file.csv')
x = dataset.iloc[:, :-1].values
x = dataset.iloc[:, -1].values
Ersetzen Sie die Datei dataset-file.csv durch Ihre Datei und geben Sie den vollständigen Pfad der Datei an.
Aufteilen des Datensatzes in den Trainingssatz und den Testsatz
from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.2, random_state = 0)
Trainieren des Modells der einfachen linearen Regression mit dem Trainingsset
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor.fit(x_train, y_train)
Vorhersage des Testsatzergebnisses
y_pred = regressor.predict(x_test)
Visualisierung der Trainingssatzergebnisse
plt.scatter(x_train, y_train, color = 'red')
plt.plot(x_train, regressor.predit(x_train), color = 'blue')
plt.title('Name of the graph')
plt.xlabel('Name of the x label')
plt.ylabel('name of the y label')
plt.show()
Visualisierung der Testsatzergebnisse
plt.scatter(x_test, y_test, color = 'red')
plt.plot(x_train, regressor.predit(x_train), color = 'blue')
plt.title('Name of the graph')
plt.xlabel('Name of the x label')
plt.ylabel('name of the y label')
plt.show()
Wir haben das einfache lineare Regressionsprogramm gezeigt.