一元线性回归实战项目：身高与体重的回归分析——是否存在线性关系？

版权声明：转载请注明来源及作者，谢谢！ https://blog.csdn.net/qq_42442369/article/details/86567667

需求

程序

#导入模块
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
from sklearn.linear_model import LinearRegression

#字体
font = FontProperties(fname=r'c:\Windows\Fonts\msyh.ttc',size=15)
#显示数据
def runplt():
    plt.figure()
    plt.title('身高与体重一元关系',fontproperties=font)
    plt.xlabel('身高(米)',fontproperties=font)
    plt.ylabel('体重(公斤)',fontproperties=font)
    plt.axis([0,2,0,85],fontproperties=font)
    plt.grid(True)
    return plt

#输入训练数据
X=[[0.86],[0.96],[1.12],[1.35],[1.55],[1.63],[1.71],[1.78]]
y = [[12],[15],[20],[35],[48],[51],[59],[66]]
plt = runplt()
plt.plot(X,y,'k.')
plt.show()


#创建模型
model = LinearRegression()
#将训练数据放入模型中
model.fit(X,y)
#预测
print('预测身高为1.67米的体重是：%2.f公斤'%model.predict(np.array([1.67]).reshape(-1,1)))

#使用测试数据真题对该模型进行预测
X2 = [[0.75],[1.08],[1.26],[1.51],[1.6],[1.85]]
y2 = model.predict(X2)
plt.plot(X,y,'k.')
plt.plot(X2,y2,'g-')
#残差预测值
yr = model.predict(X)
for idx,x in enumerate(X):
    plt.plot([x,x],[y[idx],yr[idx]],'r-')
plt.show()

#R方
X_test = [[0.75],[1.08],[1.26],[1.51],[1.6],[1.85]]
y_test = [[10],[17],[27],[41],[50],[75]]
r2 = model.score(X_test,y_test)
print('R^2=%.2f'%r2)

注意：