python学习—简单线性回归模型

初学线性回归,个人表示比较蒙,做下笔记,供自己回看

1.加载需要的模块

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
plt.rcParams["font.sans-serif"] = "Simhei"

2.读取显示数据

data = pd.read_excel("data/LinearRegression.xlsx")
data
>>>>>
	ID	visitors	sales
0	1   	3  	    10
1	2	    5	    31
2	3	    8	    45
3	4		8		50
4	5		14		75
5	6		15		85
6	7		16		109
7	8		18		117
8	9		22		138
9	10		24		145

3.画出data数据散点图

plt.scatter(x=data.visitors,y=data.sales,c="r",marker="o",edgecolors="b")
plt.xlabel("访客量")
plt.ylabel("销售额")
plt.title("访客量和销售额散点图")

4.简单线性回归模型

#特征,访客数量
x = data.visitors.values.reshape(-1,1)
#目标,销售额
y = data.sales.values.reshape(-1,1)
#模型
model = LinearRegression().fit(x,y)
#斜率,轴距
print("斜率:{:.2f},轴距为{:.2f}".format(model.coef_[0,0],model.intercept_[0]))
print("类似于一次函数y={:.2f}x{:.2f}".format(model.coef_[0,0],model.intercept_[0]))

>>>>>>>>>>>>>>>>>>>>>>>>>
>print的输出结果
斜率:6.45,轴距为-5.30
类似于一次函数y=6.45x-5.30
>>>>>>>>>>>>>>>>>>>>>>>>>

5.画出模型的拟合线

x1 = x
y1 = model.predict(x)
plt.scatter(x=data.visitors,y=data.sales,c="r",marker="o",edgecolors="b")
plt.plot(x1,y1,linewidth=3)
plt.xlabel("访客量")
plt.ylabel("销售额")
plt.title("模型拟合线")
plt.savefig("out/2.png",dpi=100)

6.预测

#预测客流量为100时候的销售额
Sales = model.predict([[100]])
print("预测客流量为100时候销售额为:{:.2f}".format(Sales[0,0]))

>>>>>>>>>>>>>>
>print的输出结果
预测客流量为100时候销售额为:639.82
>>>>>>>>>>>>>>

7.拟合优度

model.score(x,y)

>>>>>>>
0.9806125530325467
>>>>>>>