线性回归模型

1. 简单线性回归模型举例：

汽车卖家做电视广告数量与卖出的汽车数量：

1.1 如何练出适合简单线性回归模型的最佳回归线/

使sum of squares最小

1.1.2 计算

分子 = (1-2)(14-20)+(3-2)(24-20)+(2-2)(18-20)+(1-2)(17-20)+(3-2)(27-20)

      = 6 + 4 + 0 + 3 + 7

      = 20

分母 = （1-2）^2 + (3-2)^2 + (2-2)^2 + (1-2)^2 + (3-2)^2

       = 1 + 1 + 0 + 1 + 1

       4

b1 = 20/4  =5

b0=20-5*2=20-10=10

1.2 预测：

假设有一周广告数量为6，预测的汽车销售量是多少？

x_given = 6

Y_hat = 5*6 + 10 = 40

1.3 Python实现：

#!/usr/bin/env python
#-*-coding:utf-8-*-
#简单的线性回归
import numpy as np

def fitSLR(x,y):
    n=len(x)
    dinominator=0#分母
    numerator=0#分子
    for i in range(0,n):
        numerator+=(x[i]-np.mean(x))*(y[i]-np.mean(y))
        dinominator+=(x[i]-np.mean(x))**2

    print('numerator:',numerator)
    print('dinominator:',dinominator)

    b1=numerator/float(dinominator)
   # b0=np.