Programme de régression linéaire simple
nous allons montrer un exemple de programme de régression linéaire simple. La formule est la suivante : y = b0 + b1 * x1 - y = variable dépendante (DV) b0 = constante
Programme de régression linéaire simple
Dans cet article, nous allons montrer un exemple de programme de régression linéaire simple.
[sc_fs_faq html='true' headline='h2″ img='' question='Simple Linear Regression Program' img_alt='' css_class=''] Importer les bibliothèques
Importer l'ensemble de données
Diviser l'ensemble de données en l'ensemble d' apprentissage et l'ensemble de test
Entraîner le modèle simple régression linéaire sur la formation définie
Prédire le résultat du jeu de test
Visualizing le résultat du jeu de formation
Visualizing le résultat du jeu de test
[/ sc_fs_faq]
La formule est la suivante :
y = b0 + b1 * x1
y = Variable dépendante (DV)
b0 = Constante
b1 = Coefficient
x1 = Variable indépendante (IV)
Voici un exemple de programme :
Importer des bibliothèques
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
Importer le jeu de données
dataset = pd.read_csv('dataset-file.csv')
x = dataset.iloc[:, :-1].values
x = dataset.iloc[:, -1].values
Remplacez le fichier dataset-file.csv par votre fichier et mentionnez le chemin complet du fichier.
Diviser l'ensemble de données en l'ensemble d'entraînement et l'ensemble de test
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)
Entraînement du modèle de régression linéaire simple sur l'ensemble d'entraînement
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor.fit(x_train, y_train)
Prédiction du résultat de l'ensemble de test
y_pred = regressor.predict(x_test)
Visualiser les résultats de l'ensemble d'entraînement
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()
Visualiser les résultats de l'ensemble de test
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()
Nous avons montré le programme de régression linéaire simple.