Programa de regresión lineal simple
mostraremos un ejemplo de programa de regresión lineal simple. La fórmula es la siguiente: y = b0 + b1 * x1 - y = Variable dependiente (DV) b0 = Constante
En este artículo, mostraremos un ejemplo de programa de regresión lineal simple.
[sc_fs_faq html = 'true' headline = 'h2 ″ img =' 'question =' Programa de regresión lineal simple 'img_alt =' 'css_class =' '] Importar bibliotecas
Importar el conjunto de datos
Dividir el conjunto de datos en el conjunto de entrenamiento y el conjunto de prueba
Entrenamiento del Modelo de regresión lineal simple en el conjunto de entrenamiento
Predicción del resultado del conjunto de prueba
Visualización del resultado del conjunto de entrenamiento
Visualización del resultado del conjunto de prueba
[/ sc_fs_faq]
La fórmula es la siguiente:
y = b0 + b1 * x1
y = Variable dependiente (DV)
b0 = Constante
b1 = Coeficiente
x1 = Variable independiente (IV)
Aquí hay un ejemplo del programa:
Importar bibliotecas
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
Importar el conjunto de datos
dataset = pd.read_csv('dataset-file.csv')
x = dataset.iloc[:, :-1].values
x = dataset.iloc[:, -1].values
Reemplace el archivo dataset-file.csv con su archivo y mencione la ruta completa del archivo.
Dividir el conjunto de datos en el conjunto de entrenamiento y el conjunto de prueba
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)
Entrenamiento del modelo de regresión lineal simple en el conjunto de entrenamiento
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor.fit(x_train, y_train)
Predicción del resultado del conjunto de prueba
y_pred = regressor.predict(x_test)
Visualización de los resultados del conjunto de entrenamiento
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()
Visualización de los resultados del conjunto de prueba
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()
Hemos mostrado el programa de regresión lineal simple.