Программа простой линейной регрессии
мы покажем один пример программы простой линейной регрессии по следующей формуле: y = b0 + b1 * x1 - y = Dependent Variable (DV) b0 = Constant
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.