Программа простой линейной регрессии

В этой статье мы покажем один пример программы простой линейной регрессии.

[sc_fs_faq html = 'true' headline = 'h2 ″ img =' 'question =' Программа простой линейной регрессии 'img_alt =' 'css_class =' ​​'] Импорт библиотек
Импорт набора данных
Разделение набора данных на обучающий набор и тестовый набор
Обучение Модель простой линейной регрессии на обучающем наборе.
Прогнозирование результата тестового набора.
Визуализация результата обучающего набора.
Визуализация результата тестового набора.
[/ Sc_fs_faq]

Формула следующая:

y = b0 + b1 * x1

y = зависимая переменная (DV)
b0 = постоянная
b1 = коэффициент
x1 = независимая переменная (IV)

Вот один из примеров программы:

Импортировать библиотеки

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

Импортировать набор данных

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

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

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

Замените файл dataset-file.csv своим файлом и укажите полный путь к файлу.

Разделение набора данных на обучающий набор и тестовый набор

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)

Обучение модели простой линейной регрессии на обучающем наборе

from sklearn.linear_model import LinearRegression

regressor = LinearRegression()

regressor.fit(x_train, y_train)

Прогнозирование результата набора тестов

y_pred = regressor.predict(x_test)

Визуализация результатов тренировочного набора

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()

Визуализация результатов набора тестов

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()

Мы показали программу простой линейной регрессии.