一元线性回归模型案例分析

一元线性回归模型案例分析：

场景的目标：

能够分析出不同面积的房价。

如何做？

（i）建立预测模型，根据输入的特征，输出预测值。

（ii）

分析影响房价的因素:

面积 | 房价 |

• |- |
  80|200
  95|230
  104|245
  112|247
  125|259
  135|262

import numpy as np
from matplotlib import pyplot as plt
from sklearn.linear_model import LinearRegression
import itertools
from sklearn.preprocessing import PolynomialFeatures

data=np.array([[80,200]
              ,[95,230]
              ,[104,245]
              ,[112,247]
              ,[125,259]
              ,[135,262]])
print(data)
X=data[:,0]
print(X)
Y=data[:,1]
print(Y)
plt.scatter(X,Y,c="red")
plt.show()
com_lists=list(itertools.combinations(data,2))
print(com_lists)
print(com_lists[0])
ms=[]
bs=[]

for com_list in com_lists:
    x1,y1=com_list[0]
    x2,y2=com_list[1]
    m =(y2-y1)/(x2-x1)
    b = y1-m*x1
    ms.append(m)
    bs.append(b)
print(len(ms),ms)
print(len(bs),bs)
m,b = np.mean(ms), np.mean(bs)
print(m,b)
print('f(x)={a}x+{b}'.format(a=m,b=b))
print('当x=200时,预测值为{W}'.format(W=m*200+b))

|
|
| ------------ |
| |