【342】Linear Regression by Python

Reference: 用scikit-learn和pandas学习线性回归

• 首先获取数据存储在 pandas.DataFrame 中，获取途径（CSV 文件、Numpy 创建）
• 将数据分成 X 和 y，X 可以含有多列，也就是多个参数
• 通过 Linear Regression 计算
• 获取 intercept 和 coefficient

实现步骤如下：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44

>>> import numpy as np >>> import pandas as pd >>> from sklearn import datasets, linear_model >>> from sklearn.linear_model import LinearRegression >>> data = np.array([     ['X', 'y'],     [2.0, 2.2],     [3.0, 3.8],     [4.0, 5.5],     [5.0, 6.5],     [6.0, 7.0]]) >>> lr = pd.DataFrame(data=data[1:,:],               columns=data[0,:]) >>> lr      X    y 0  2.0  2.2 1  3.0  3.8 2  4.0  5.5 3  5.0  6.5 4  6.0  7.0 >>> X = lr[['X']] >>> X      X 0  2.0 1  3.0 2  4.0 3  5.0 4  6.0 >>> y = lr[['y']] >>> y      y 0  2.2 1  3.8 2  5.5 3  6.5 4  7.0 >>> linreg = LinearRegression() >>> linreg.fit(X, y) LinearRegression(copy_X=True, fit_intercept=True, n_jobs=None,          normalize=False) >>> linreg.intercept_ array([0.08]) >>> linreg.coef_ array([[1.23]])

---

代码如下：

?

1 2 3 4 5 6 7 8 9 10 11 12

>>> data = np.array([[3,2.5],[4,3],[5,4],[6,4.5]]) >>> lr = pd.DataFrame(data) >>> X = lr[[0]] >>> y = lr[[1]] >>> linReg = LinearRegression() >>> linReg.fit(X, y) LinearRegression(copy_X=True, fit_intercept=True, n_jobs=None,          normalize=False) >>> linReg.intercept_ array([0.35]) >>> linReg.coef_ array([[0.7]])