線性迴歸

Python 機率基礎

Alexander A. Ramírez M.

CEO @ Synergy Vision

線性函式

線性函式圖

線性函式圖

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

含隨機擾動的線性函式圖

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

讀書時數與分數散佈圖

以常數、線性、二次與對數模型擬合資料

用什麼準則判定哪個模型最好？

線性模型動畫圖

殘差圖

殘差圖與誤差最小化

線性模型殘差圖

# 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()

線性模型擬合圖

Python 機率基礎