本文对比了使用Excel和Jupyter Notebook对身高体重数据集进行线性回归分析的过程。通过20组、200组及2000组数据的分析，发现随着数据量增加，Excel中的R²值趋于0，表明相关性减弱。在Jupyter中，通过自编程序和sklearn库进行了重新分析，得到了更精确的结果，但操作相对复杂。结论是，虽然Excel操作简便，但在精度上不及Jupyter。
人工智能与机器学习之初试线性回归
文章目录**
**1.使用Excel分析身高体重数据集
分别以 20、200、2000 组数据进行联系：**
20组数据
回归方程式：y=4.128-152.23
相关系数R2：R²=0.325
详情分析
200组数据
回归方程式：y=3.4317-105.96
相关系数R2：R²=0.31
详情分析：
2000组数据
回归方程式：y=2.9555x-73.661
相关系数R2：R²=0.2483
详情分析：
总结：数据越多，R2值越接近于0，证明身高与体重的相关性不大。
**
2.通过jupyter编程做出最小二乘法重新分析数据
2.1 不借助第三方库：
**运用Jupyter notebook编写一个可视化的线性回归方程程序：
new一个python3项目
下面是源代码
运行结果：
20组数据：
200组数据：
2000组数据：
借助skleran库##
依然使用jupyter notebook编写一个可视化的线性回归方程程序，但是这次借助了sklearan库。
输出结果：
20组数据：
200组数据：
2000组数据：
3. 结果对比：
总结：如图所示，两种jupyter的操作可以得到相对更加准确的数据，但是操作起来较困难，excel的操作很简单，结果相对准确，但是精度不如jupter
扫一扫
2848
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
