Python-深入浅出数据分析-线性回归

目录

• 做一个薪水预测器
• 怎么做
• 是不是有一个函数
• 误差分析

在阅读前，读一下Python-深入浅出数据分析-总结会更好点，以后遇到问题比如代码运行不了，再读读也行，>-_-<

做一个薪水预测器

书中例子很有意思，如果真的可以做一个薪水预测器，那么你就可以自己发自己薪水了,:)

怎么做

分析以前要求加薪的人最后得到的薪水提高幅度，看看有什么规律。
要求加薪的幅度\(\mapsto\)得到加薪的幅度，这两者有什么关系，散点图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

%matplotlib inline

df = pd.read_csv('./hfda_ch10_employees.csv', names =['staff_num', 'received', 'requested', 'negotiated', 'gender', 'year'], skiprows=1)

fig = plt.figure(figsize=(8, 6))

ax = fig.add_subplot(1, 1, 1)

ax.scatter(df['requested'][df['negotiated']], df['received'][df['negotiated']])
ax.set_xlabel('requested', fontsize=12)
ax.set_ylabel('recieved', fontsize=12)

两者的相关性有多大？

df['requested'][df['negotiated']].corr(df['received'][df['negotiated']])

'''
输出：0.66564810255571794
'''

是不是有一个函数

输入：要求加薪的幅度
输出：大致得到加薪的幅度

from sklearn.linear_model import LinearRegression

X = df['requested'][df['negotiated']]
y = df['received'][df['negotiated']]
regr = LinearRegression()
regr.fit(X.values[:, np.newaxis], y.values)

fig = plt.figure(figsize=(8, 6))

ax = fig.add_subplot(1, 1, 1)

ax.scatter(X, y, color='black')
ax.plot(X.values, regr.predict(X.values[:, np.newaxis]),linewidth= 3, color= 'blue')

regr.coef_
regr.intercept_

误差分析

待更新