python绘制拟合回归散点图_Python之简单线性回归

线性回归一是能够定量的解释因变量与解释变量间的相互关系，二是用来预测因变量。

本文通过Python拟合一元线性回归模型，实现对一元线性回归的学习，过程较简单。

主要知识点：

1、散点图绘制，查看变量间关系；

2、导入模型并建模：model=LinearRegression(),model.fit(x,y)

3、z=a+bx，截距a=model.intercept_ ,回归系数b=model.coef_

4、预测值 pred_y=model.predict(x)

5、rDf=Df.corr()

6、R平方：model.score(x,y)

7、简单线性回归特征只有1个时，构建模型，需要将数组转换为x行1列，numpy包中array.reshape(-1,1)改变数组形状

接下来进行案例的练习和实践。

#使用数据字典,建立学习时间与分数的数据字典

from collections import OrderedDict

import pandas as pd

examDict={'学习时间':[0.50,0.75,1.00,1.25,1.50,1.75,1.75,2.00,2.25,

2.50,2.75,3.00,3.25,3.50,4.00,4.25,4.50,4.75,5.00,5.50],

'分数':[10, 22, 13, 43, 20, 22, 33, 50, 62,

48, 55, 75, 62, 73, 81, 76, 64, 82, 90, 93]}

examOrderDict=OrderedDict(examDict)

examDf=pd.DataFrame(examOrde