Линейная регрессия

.. методом МНК

Этот код строит простую модель линейной регрессии на основе метода OLS, чтобы предсказать рост сына, учитывая рост отца.

Шаг 1 — Импорт необходимых библиотек

import pandas as pd 
import numpy as np 
import matplotlib.pyplot as plt
%matplotlib inline 
import math 
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn import metrics

Шаг 2 — Чтение набора данных; разделить данные обучения/тестирования

dataset = pd.read_csv(‘father_son_heights.csv’)
dataset.head()

x = dataset[‘Father’].values.reshape(-1,1)
y = dataset[‘Son’].values.reshape(-1,1)
x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.3,random_state=0)

Шаг 3 — Визуализируйте набор данных

plt.scatter(x, y)
plt.xlabel(‘Height: Father’)
plt.ylabel(‘Height: Son’)
plt.show()

Шаг 4 — Построить модель; получить перехват и коэффициент

# Generate a Linear Regression model & fit training data
lm = LinearRegression()
lm.fit(x_train,y_train)
textstr = ‘’
textstr = textstr + ‘Coefficient value obtained: ‘ + str(lm.coef_ )
 
textstr = textstr + ‘\nIntercept value obtained: ‘ + str(lm.intercept_ )
print(textstr)

Шаг 5 — Постройте прогноз y против x

x_ht_samples = np.linspace(x.min(), x.max(), num=50) 
plt.scatter(x, y, color=’g’) # Scatter-plot of x & y as in Step 3
plt.xlabel(‘Height: Father’)
plt.ylabel(‘Height: Son’)
y_ht_prediction = lm.predict(x_ht_samples.reshape(-1,1))
plt.plot(x_ht_samples, y_ht_prediction, color=’r’, linewidth=3)
plt.show()