Programma di regressione lineare semplice
mostreremo un esempio di programma di regressione lineare semplice. La formula è la seguente: y = b0 + b1 * x1 - y = variabile dipendente (DV) b0 = costante
In questo articolo, mostreremo un esempio di programma di regressione lineare semplice.
[sc_fs_faq html = 'true' headline = 'h2 "img ='' question = IMG_ALT = '' css_class = ' 'regressione lineare semplice programma''] Importa librerie
Importa il set di dati
Splitting l'insieme di dati in set di training e di test impostato
formazione del Modello di regressione lineare semplice sul training set
Previsione del risultato del set di test
Visualizzazione del risultato del set di allenamento
Visualizzazione del risultato del set di test
[/sc_fs_faq]
La formula è la seguente:
y = b0 + b1 * x1
y = Variabile Dipendente (DV)
b0 = Costante
b1 = Coefficiente
x1 = Variabile Indipendente (IV)
Ecco un esempio del programma:
Importa librerie
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
Importa il set di dati
dataset = pd.read_csv('dataset-file.csv')
x = dataset.iloc[:, :-1].values
x = dataset.iloc[:, -1].values
Sostituisci il file dataset-file.csv con il tuo file e menziona il percorso completo del file.
Suddivisione del set di dati in Set di allenamento e Set di 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)
Addestramento del modello di regressione lineare semplice sul set di addestramento
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor.fit(x_train, y_train)
Prevedere il risultato del test set
y_pred = regressor.predict(x_test)
Visualizzazione dei risultati del Training set
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()
Visualizzazione dei risultati del test set
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()
Abbiamo mostrato il programma di regressione lineare semplice.