如何利用python进行线性回归分析？

1、导入需要用到的库，如果没有则先进行安装。

import numpy as np

import pandas as pd

from sklearn import linear_model #导入机器学习库中的线性回归方法

from matplotlib import pyplot as plt

2、读取或输入数据。

data=pd.DataFrame({'price':[12,52,33,24,51,26,37],'sales':[2030,509,1457,875,2301,1521,1689]})

print(data)

3、数据预处理。选择x,y变量，如果有空值，可以剔除。

x=np.array(data['price']).reshape([7,1])

y=np.array(data['sales']).reshape([7,1])

4、探索性数据分析。绘制散点图，观察数据关系及趋势变化。

plt.scatter(x,y)

plt.show()

从图形中可以看出,除去一些异常值的情况下，x,y之间存在一定的线性关系。

在实际情况中，用于线性回归的样本量应该稍大一些，趋势才会更明显。

5、建立线性回归模型，并进行模型训练。

model=linear_model.LinearRegression()

model.fit(x,y)

6、检验模型效果。

coef=model.coef_ #获取自变量系数

model_intercept=model.intercept_#获取截距

R2=model.score(x,y) #R的平方

print('线性回归方程为：','\n','y=’{}*x+{}'.format(coef,model_intercept))

7、利用上面的结果进行回归预测。

new_x=60

y_pre=model.predict(new_x)

print(y_pre)