Prosty program regresji liniowej

W tym artykule pokażemy jeden przykład prostego programu regresji liniowej.

[sc_fs_faq html='true' headline='h2″ img='' question='Prosty program regresji liniowej' img_alt='' css_class=''] Importuj biblioteki
Importuj zbiór danych
Podział zbioru danych na zbiór treningowy i zbiór testowy
Trening Model prostej regresji liniowej na zbiorze uczącym
Przewidywanie wyniku zbioru testowego
Wizualizacja wyniku
zbioru
uczącego Wizualizacja wyniku zbioru uczącego [/sc_fs_faq]

Wzór wygląda następująco:

y = b0 + b1 * x1

y = zmienna zależna (DV)
b0 = stała
b1 = współczynnik
x1 = zmienna niezależna (IV)

Oto jeden przykład programu:

Importuj biblioteki

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

Importuj zbiór danych

dataset = pd.read_csv('dataset-file.csv')

x = dataset.iloc[:, :-1].values

x = dataset.iloc[:, -1].values

Zastąp plik dataset-file.csv swoim plikiem i podaj pełną ścieżkę do pliku.

Dzielenie zbioru danych na zbiór treningowy i zbiór testowy

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)

Uczenie modelu prostej regresji liniowej na zestawie uczącym

from sklearn.linear_model import LinearRegression

regressor = LinearRegression()

regressor.fit(x_train, y_train)

Przewidywanie wyniku zestawu testowego

y_pred = regressor.predict(x_test)

Wizualizacja wyników zestawu treningowego

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()

Wizualizacja wyników zestawu testowego

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()

Pokazaliśmy prosty program regresji liniowej.