本文通過一個簡單的例子：預測房價，來探討怎麼用python做一元線性迴歸分析。

1. 預測房價

房價是一個很火的話題，現在我們拿到一組資料，是房子的大小（平方英尺）和房價（美元）之間的對應關係，如下（csv資料檔案）：

No,square_feet,price
1,150,6450
2,200,7450
3,250,8450
4,300,9450
5,350,11450
6,400,15450
7,600,18450

從中可以大致看出，房價和房子大小之間是有相關關係的，且可以大致看出來是線性相關關係。為了簡單起見，這裡理想化地假設房價只和房子大小有關，那我們在這組資料的基礎上，用一元迴歸分析預測房子的房價。

2. 程式碼實現

#!usr/bin/env python
#!-*- coding: utf8 -*-
# python一元線性迴歸分析例項：預測房子價格
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.linear_model import LinearRegression

# 用pandas讀取csv
data = pd.read_csv("../data/price_info.csv")
x = data['square_feet']
y = data['price']

# 構造X列表和Y列表，reshape(-1,1)改變陣列形狀，為只有一個屬性
 

x = x.reshape(-1,1)
y = y.reshape(-1,1)

# 構造迴歸物件
model = LinearRegression()
model.fit(x, y)
# 獲取預測值
predict_y = model.predict(x)

# 構造返回字典
predictions = {}
predictions['intercept'] = model.intercept_  # 截距值
predictions['coefficient'] = model.coef_    # 迴歸係數（斜率值）
predictions['predict_value'] = predict_y    

# 繪出影象
 

# 繪出已知資料散點圖
plt.scatter(x, y, color = 'blue')
# 繪出預測直線
plt.plot(x, predict_y, color = 'red', linewidth = 4)

plt.title('predict the house price')
plt.xlabel('square feet')
plt.ylabel('price')
plt.show()

3. 輸出結果