簡單線性迴歸適用於 一維的簡單的資料
比方說在某個資料集中，一列是員工的工作時間（假設以年為度量單位），一列是年薪，好比下圖

類似這樣的我們可以用簡單線性迴歸來訓練，並進行預測

圖片中的式子就是簡單線性迴歸的原理，我們需要做的是訓練資料找到b0與b1
機器對應的線性迴歸器，學習就是擬合的過程，學習之後，學到自變數因變數的關係，確定自身的引數，就可以用來預測了。

首先匯入資料集

dataset = pd.read_csv('SD.csv')
print("檢視dataset")
print(dataset)

設定自變數和因變數
注意區分這裡X是矩陣，y是向量

X
 
 = dataset.iloc[:, :-1].values#  矩陣
y = dataset.iloc[:, 1].values  # 向量

分別設定X和y的訓練集與測試集
資料集中有90個數據，這裡就分給測試集30個數據

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 1/3, random_state = 0)

標準庫中有一個類物件regressor，是為了擬合線性模型的。他的引數有好幾個，不過一般是不需要賦值的，fit還是為了擬合線性模型

regressor = LinearRegression()  #引數有好幾個 但是都需要賦值
 

regressor.fit(X_train,y_train)
y_pred = regressor.predict(X_test)

預測完成之後，我們做出迴歸器預測結果圖，分別是訓練集和測試集的結果

plt.plot(X_train, regressor.predict(X_train), color = 'blue')
plt.title('Salary -training ')
plt.xlabel('Years ')
plt.ylabel('Salary')
plt.show()

plt.scatter(X_test, y_test, color = 'red')
plt.plot(X_train, regressor.predict(X_train), color
 
 = 'blue')
plt.title('Salary -test ')
plt.xlabel('Years')
plt.ylabel('Salary')
plt.show()

擬合出來的直線就是預測的一種狀態。迴歸器在擬合的過程中，只能是針對於訓練集作擬合。

原始碼與資料集下載地址：下載RAR

沒有積分的也可以免費向我索要哈,評論區留下郵箱地址。我看見的時候就打包傳送嘍~