Python数据挖掘实战——回归

一、回归分析（Regression Analysis）

    研究自变量与因变量之间关系形式的分析方法，它主要是通过建立 因变量y 与影响它的自变量Xi（i=1，2,3....）之间的回归模型，来预测 因变量y 的发展趋势。

二、回归分析的分类
2.1线性回归分析：简单线性回归、多重线性回归

2.2非线性回归分析：逻辑回归、神经网络

三、简单线性回归模型

y = a + bx + e（一元一次方程）
1）y——因变量
2）x——自变量
3）a——常数项，截距
4）b——回归系数，斜率

5）e——随机误差

3.1回归分析的步骤
1）根据预测目标，确定自变量和因变量

2）绘制散点图，确定回归模型类型

3）估计模型参数，建立回归模型

4）对回归模型进行检验

5）利用回归模型进行预测

3.2案例

步骤一：
根据预测目标，确定自变量（已知）和因变量（未知）
问题：投入50万的广告费用，能够带来多少的销售额

因此，广告费用是自变量，销售额是因变量

步骤二：

绘制散点图，确定回归模型类型

步骤三：
估计模型参数，建立回归模型