简介
Python之所以如此受欢迎的一个原因就在于它能够应用于数据分析和挖掘方面的工作。不仅是在工业化运用还是在科学研究中，Python提供了非常方便和高性能的应用接口，是人们只需要关注数据本身，而不需要花太多的精力在方法上。
线性回归模型是最常见的统计模型，它反映了系统整体的运动规律。从数学的角度讲，就是根据系统的总体静态观测值，通过算法去除随机性的噪点，发现系统整体运动规律的过程。最简单的线性回归是基于最小二乘法进行拟合的，同时根据自变量的个数，分为一元线性回归分析和多元线性回归分析。
一元线性回归分析
一元线性回归方程如下：
y=a*x+b
1
y=a*x+b其中a为权重或者斜率，b为截距，我们的目标是研究x和y之间的关系。
假设有如下数据集：
x
y
-3.51
-4.18
-4.31
-2.39
-2.68
-6.33
-3.4
-4.22
-4.12
-3.21
-2.81
-5.62
-3.5
-4.46我们的目标就是拟合一条线性方程，在这里首先导入需要的库：
import pandas as pd
import matplotlib.pyplot as plt
from sklearn import linear_model
1
2
3
importpandasaspd
importmatplotlib.pyplotasplt
fromsklearnimportlinear_model使用sklearn库中的
linear_model 能够快速搭建训练模型。具体代码如下：
x = [-3.51, -4.31, -2.68, -3.4, -4.12, -2.81, -3.5]
y = [-4.18, -2.39, -6.33, -4.22, -3.21, -5.62, -4.46]
data = pd.DataFrame({'x': x, 'y': y})
x = data[['x']]
y = data['y']
# 构建模型
reg = linear_model.LinearRegression()
# 训练模型
reg.fit(x, y)
# 评估模型
print(reg.coef_) # 斜率
print(reg.intercept_) # 截距
print(reg.score(x, y)) # R2值
# 预测并可视化
plt.scatter(x, y)
plt.plot(x, reg.predict(x), color='red')
plt.show()
1
x=[-3.51,-4.31,-2.68,-3.4,-4.12,-2.81,-3.5]
y=[-4.18,-2.39,-6.33,-4.22,-3.21,-5.62,-4.46]
data=pd.DataFrame({'x':x,'y':y})
x=data[['x']]
y=data['y']
# 构建模型
reg=linear_model.LinearRegression()
# 训练模型
reg.fit(x,y)
# 评估模型
print(reg.coef_)# 斜率
print(reg.intercept_)# 截距
print(reg.score(x,y))# R2值
# 预测并可视化
plt.scatter(x,y)
plt.plot(x,reg.predict(x),color='red')
plt.show()在这里输入数据处理稍微复杂，主要是为了构建一个DataFrame型的数据，这样的做法主要是考虑到大多数时候我们都是从文件中读取内容，因而使用pandas读取构建data数据。主要经历以下步骤：
接下来调用
LinearRegression() 方法构建线性回归模型；
训练模型只需要使用
fit() 函数就能轻松实现；
然后分析模型的参数和R2值；
最终我们将拟合的效果可视化。
输出的结果如下：
[-2.17951421]
-11.91965440487348
0.9715399906543265
[-2.17951421]
-11.91965440487348
0.9715399906543265它的斜率为-2.17，截距为-11.92，R2值为0.97。表明x与y之间具有强相关性，并且是负相关的关系。
可视化的图片如下：
多元线性回归分析
与一元线性回归不同，多元线性回归会出现多个自变量。它的形式如下：
y=a*x1+b*x2+c
1
y=a*x1+b*x2+c其中a和b为权重，c为截距。
同样，我们考察以下数据集：
x1
x2
y
-3.51
-3.4
5.23
-4.31
-3.93
4.25
-2.68
-2.98
6.75
-3.4
-3.29
5.81
-4.12
-3.88
4.7
-2.81
-2.86
6.78
-3.5
-3.58
6.03通过Seaborn实现
Seaborn提供了非常方便的可视化接口，能够快速实现线性回归拟合。代码实现如下：
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
x1 = [-3.51, -4.31, -2.68, -3.4, -4.12, -2.81, -3.5]
x2 = [-3.4, -3.93, -2.98, -3.29, -3.88, -2.86, -3.58]
y = [5.23, 4.25, 6.75, 5.81, 4.7, 6.78, 6.03]
data = pd.DataFrame({'x1': x1, 'x2': x2, 'y': y})
sns.pairplot(data, x_vars=['x1', 'x2'], y_vars='y', kind='reg', size=5)
plt.show()importpandasaspd
importmatplotlib.pyplotasplt
importseabornassns
x1=[-3.51,-4.31,-2.68,-3.4,-4.12,-2.81,-3.5]
x2=[-3.4,-3.93,-2.98,-3.29,-3.88,-2.86,-3.58]
y=[5.23,4.25,6.75,5.81,4.7,6.78,6.03]
data=pd.DataFrame({'x1':x1,'x2':x2,'y':y})
sns.pairplot(data,x_vars=['x1','x2'],y_vars='y',kind='reg',size=5)
plt.show()pairplot() 函数可以直接将DataFrame类型的数据可视化，通过
kind 参数选择
‘reg’ 方法，最终得到如下图：
图中表明（x1，y）和（x2，y）分别具有线性关系，图中带状阴影表示数据的密度，数据越多，该处的阴影越狭窄。
通过sklearn实现
同样使用
LinearRegression 方法训练数据。代码如下：
import pandas as pd
from sklearn import linear_model
x1 = [-3.51, -4.31, -2.68, -3.4, -4.12, -2.81, -3.5]
x2 = [-3.4, -3.93, -2.98, -3.29, -3.88, -2.86, -3.58]
y = [5.23, 4.25, 6.75, 5.81, 4.7, 6.78, 6.03]
data = pd.DataFrame({'x1': x1, 'x2': x2, 'y': y})
x = data[['x1', 'x2']]
y = data['y']
# 构建模型
reg = linear_model.LinearRegression()
# 训练模型
reg.fit(x, y)
# 评估模型
print(reg.coef_)
print(reg.intercept_)
print(reg.score(x, y))importpandasaspd
fromsklearnimportlinear_model
x1=[-3.51,-4.31,-2.68,-3.4,-4.12,-2.81,-3.5]
x2=[-3.4,-3.93,-2.98,-3.29,-3.88,-2.86,-3.58]
y=[5.23,4.25,6.75,5.81,4.7,6.78,6.03]
data=pd.DataFrame({'x1':x1,'x2':x2,'y':y})
x=data[['x1','x2']]
y=data['y']
# 构建模型
reg=linear_model.LinearRegression()
# 训练模型
reg.fit(x,y)
# 评估模型
print(reg.coef_)
print(reg.intercept_)
print(reg.score(x,y))
输入结果如下：
[ 2.24640635 -1.03298326]
9.928015273935468
0.948262589588942
1
2
3
[2.24640635-1.03298326]
9.928015273935468
0.948262589588942y与x1之间斜率为2.25，y与x2之间斜率为-1.03，而我们的模型拟合的R2值为0.95，有很强的相关性。
总结
本文主要介绍了以最小二乘法拟合的线性回归方法，sklearn提供了非常方便的模型供我们使用。需要注意的是，sklearn要求x是一个特征矩阵，y是一个NumPy向量。因此，在pandas中x可以是pandas的DataFrame，y可以是pandas的Series。
