初识线性回归

最新推荐文章于 2026-01-01 19:11:33 发布

原创

最新推荐文章于 2026-01-01 19:11:33 发布 · 301 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#r语言 #sklearn #线性代数 #python

这篇博客对比了使用Excel的数据分析功能和Python的sklearn库进行线性回归的方法。作者首先介绍了如何在Excel中设置数据分析工具并完成20、200、2000组数据的线性回归，接着在Jupyter Notebook中不借助第三方库用最小二乘法重做此过程，最后使用sklearn库进行了同样的操作，发现sklearn方法更简便。

线性回归练习

一、用excel中数据分析功能做线性回归练习
二、用jupyter编程（不借助第三方库），用最小二乘法，重做第1题
三、用jupyter编程，借助sklearn，重做第1题
四、总结
五、参考资料

一、用excel中数据分析功能做线性回归练习

1. 添加数据分析工具

打开excel软件–点击左上角“文件”–找到“选项”，进入excel选项界面。

点击左下角“加载项”，在点击“转到”。

勾选“分析工具库”、“分析工具库VBA”选项，点击“确定”。

点击“数据”可以看到“数据分析”选项，即为添加成功。

2.用excel完成线性回归

打开weights_heights(身高-体重数据集).xls表格，点击“数据”–打开“数据分析”选项–选择“回归”–“确定”。

（一）20组数据

将Weight作为Y值，Height作为X值，选择20组数据的区域，并勾选“线性拟合图”，点击“确定”。
在这里插入图片描述
确定后会得到如下图表

选中表中的数据，点击鼠标右键，“添加趋势线”。

选择“线性”，并勾选“显示公式”、“显示R平方值”。

完成后的图如下，可以看到公式以及R的平方值。
![在这里插入图片描述](https://img-blog.csdnimg.cn/9028b0c16a9d412fbabc6bb1ccf92ccf.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAT25lMjMzMng=,size_13,color_FFFFFF,t_70,g_se,x_1

（二）200组数据

同上步骤，选取200个数据区域。

得到的图表如下
在这里插入图片描述

（三）2000组数据

同上步骤，选取2000个数据区域。
在这里插入图片描述
得到的图表如下

二、用jupyter编程（不借助第三方库），用最小二乘法，重做第1题

1.安装Anaconda，并启动Jupyter Notebook

在这里插入图片描述

2.进入界面，点击“new”新建文件

在这里插入图片描述
新建文件如下

3.运行代码

20组数据

20组数据代码如下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import math
# 读取表格
df = pd.read_excel(r"C:\Users\lh\Desktop\weights_heights.xls")
df.shape
# 20组数据
d = df.head(20)
x = d["Height"]
y = d["Weight"]
plt.scatter(x,y)
plt.axis([65,72,0,180])
plt.show()
#计算平均值
x_mean=np.mean(x)
y_mean=np.mean(y)
a = num/d
b = y_mean - a * x_mean
print("所得直线方程为：y=",a,"x",b)
# 输出结果为：所得直线方程为：y= 4.128037498890453 x -152.2337845345731
print("R-squared:",((num/math.sqrt(d*m))**2))
# 输出结果为：R-squared: 0.32542302493662545
y_hat=a * x +b
plt.scatter(x,y