线性回归

Python 概率基础

Alexander A. Ramírez M.

CEO @ Synergy Vision

线性函数

线性函数图

线性函数图

$$ y = \color{red}{slope}*x + \color{blue}{intercept} $$

带随机扰动的线性函数图

$$ y = slope*x + intercept + \color{red}{random\_number} $$

学习时长与分数关系图

用常数、线性、二次、对数模型拟合数据

判定最佳模型的标准是什么？

线性模型动画图

残差图

残差图与最小化误差

线性模型残差图

# Import LinearRegression
from sklearn.linear_model import LinearRegression

# sklearn linear model
model = LinearRegression()
model.fit(hours_of_study, scores)

# Get parameters
slope = model.coef_[0]
intercept = model.intercept_

# Print parameters
print(slope, intercept)

(1.496703900384545, 52.44845266434719)

# Score prediction
score = model.predict(np.array([[15]]))
print(score)

[74.89901117]

$$ $$

import matplotlib.pyplot as plt

plt.scatter(hours_of_study, scores)
plt.plot(hours_of_study_values, model.predict(hours_of_study_values))
plt.show()

线性模型拟合图

Python 概率基础