python线性回归分析实例

在Python中，线性回归是一种常用的统计分析方法，用于研究两个变量之间的关系，其中一个是自变量，另一个是因变量。我们通常用它来建立预测模型。这里有一个简单的例子，使用`sklearn`库的`LinearRegression`来进行线性回归：

# 导入必要的库
import pandas as pd
from sklearn.model_selection import train_test_split 
from sklearn.linear_model import LinearRegression
from sklearn import metrics

# 加载数据集（例如使用pandas的read_csv）
data = pd.read_csv('your_dataset.csv') # 替换为你的数据文件路径

# 定义特征和目标变量
X = data['feature_column'].values.reshape(-1, 1) # 替换为你的特征列名
y = data['target_column'].values.reshape(-1, 1) # 替换为你的目标列名

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 创建并拟合模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 计算模型性能指标
print("Mean Absolute Error:", metrics.mean_absolute_error(y_test, y_pred))
print("Mean Squared Error:", metrics.mean_squared_error(y_test, y_pred))
print("Root Mean Squared Error:", np.sqrt(metrics.mean_squared_error(y_test, y_pred)))