python线性回归方程案例
时间: 2023-11-09 13:02:54 浏览: 55
python线性回归方程是基于最小二乘法的一种统计模型,用于描述两个变量之间的线性关系。其数学形式为y = wx + b,其中y是因变量(要预测的变量),x是自变量(用来预测的变量),w是自变量的系数,b是截距。
在python中,可以使用scikit-learn库中的LinearRegression模块来实现线性回归。以下是一个简单的线性回归方程案例:
```python
# 导入所需库
import numpy as np
from sklearn.linear_model import LinearRegression
# 定义自变量和因变量
x = np.array([1, 2, 3, 4, 5, 6]).reshape((-1, 1))
y = np.array([2, 3, 4, 5, 6, 7])
# 创建线性回归模型
model = LinearRegression()
# 拟合模型
model.fit(x, y)
# 预测新样本
x_new = np.array([7]).reshape((-1, 1))
y_new = model.predict(x_new)
# 打印结果
print("自变量:", x_new)
print("预测结果:", y_new)
```
上述代码首先导入了需要的库,然后定义了自变量x和因变量y。接着创建了一个线性回归模型,并将模型拟合到自变量和因变量上。最后,使用模型对新样本进行了预测,并打印了预测结果。
这个案例中,通过给定的自变量x和因变量y,利用线性回归模型预测了新的自变量x_new对应的因变量y_new。