python如何做回歸性分析

本文將介紹關於python的兩類回歸性分析操作方法，主要有以下內容：在統計學中，回歸分析指的是確定兩種或兩種以上變量間相互依賴的定量關係的一種統計分析方法。在大數據分析中，回歸分析是一種預測性的建模技術，它研究的是因變量（目標）和自變量（預測器）之間的關係。回歸分析可以表明因變量和自變量之間的顯著關係；也可以表明自變量對因變量的影響程度。利用回歸分析，我們可以更好的了解哪些變量對因變量的影響程度更大，從而決定採取什麼樣的方式去解決問題或者達到目標。比較常見的回歸分析有線性回歸、邏輯回歸，除了這兩種，還有多項式回歸、逐步回歸、嶺回歸、套索回歸和彈性網絡回歸也都比較常見。示例：有20名學生，以及他們為考試花費時間和最後的考試成績，我們需要研究自變量花費時間和因變量成績的相關關係。

從上圖可以看出來，學習時間越大，考試成績越高，相關係數為0.93，學習時間和考試成績是強相關。

但是假設我們將以上成績只是用及格和不及格來表示的話。我們則建立函數。

dataframe增加一列變成上圖的一樣，然後我們對及格不及格和花費的時間進行分析，繪製散點圖，結果如下。

我們發現使用線性回歸的「最佳擬合線」在這裡就是不合適的。這裡就需要使用邏輯回歸。

現在正式開始今天的正文，如果利用python做回歸性分析。

1、線性回歸

a、提取特徵x和標籤y

exam_x = df.loc[:, '學習時間']exam_y = df.loc[:, '成績']
b、建立訓練數據和測試數據
x_train, x_test, y_train, y_test = train_test_split(exam_x, exam_y, train_size=.8)
c、輸出數據
print('原始數據特徵', exam_x.shape,      '訓練數據特徵', x_train.shape,      '測試數據特徵', x_test.shape)
print('原始數據特徵', exam_y.shape,      '訓練數據特徵', y_train.shape,      '測試數據特徵', y_test.shape)
d、訓練模型和計算回歸截距回歸係數
model1 = LinearRegression()
x_train = x_train.values.reshape(-1,1)x_test = x_test.values.reshape(-1,1)model1.fit(x_train,y_train)
a = model1.intercept_b = model1.coef_print('最佳擬合線：截距a=',a,'回歸係數b=',b)plt.scatter(x_train,y_train,edgecolors='red')y_train_pred = model1.predict(x_train)plt.plot(x_train,y_train_pred,color='g')plt.xlabel('hours')plt.ylabel('data')plt.show()
e、模型準確性評估
t = model1.score(x_test,y_test)print('線性回歸模型準確率為',t)
最終線性回歸的列印結果和繪製的圖標如下圖：
2、邏輯回歸
邏輯回歸的步驟和線性回歸基本差不多，具體見一下代碼。
1、提取特徵x和標籤yexam_x1 = df.loc[:, '學習時間']exam_y1 = df.loc[:, '是否及格']
x1_train, x1_test, y1_train, y1_test = train_test_split(exam_x1, exam_y1, train_size=.8)
print('原始數據特徵', exam_x1.shape,      '訓練數據特徵', x1_train.shape,      '測試數據特徵', x1_test.shape)
print('原始數據特徵', exam_y1.shape,      '訓練數據特徵', y1_train.shape,      '測試數據特徵', y1_test.shape)
model2 = LogisticRegression()
x1_train = x1_train.values.reshape(-1,1)x1_test = x1_test.values.reshape(-1,1)model2.fit(x1_train,y1_train)

t1 = model2.score(x1_test,y1_test)print('邏輯回歸模型準確率為',t1)
邏輯回歸的最終列印結果如下圖：
以上就是整個線性回歸和邏輯回歸分析的python操作步驟，在python中需要使用引入三個函數。
from sklearn.linear_model import LinearRegressionfrom sklearn.model_selection import train_test_splitfrom sklearn.linear_model import LogisticRegression
其中train_test_split是交叉驗證中常用的函數，功能是從樣本中隨機的按比例選取訓練數據（train）和測試數據（test）。
以下是整個分析的完整代碼，希望對大家具有參考作用。
import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom sklearn.linear_model import LinearRegressionfrom sklearn.model_selection import train_test_splitfrom sklearn.linear_model import LogisticRegression
d = {'學習時間': [0.5, 0.75, 1, 1.25, 1.5, 1.75, 2, 2.25, 2.5, 2.75, 3, 3.25, 3.5, 3.75, 4, 4.25, 4.5, 4.75, 5, 5.5],     '成績': [10, 20, 13, 43, 20, 22, 33, 50, 62, 48, 55, 75, 62, 73, 81, 75, 64, 82, 90, 93]}df = pd.DataFrame(d)
def score(x):    if x >= 60:        y = '及格'    else:        y = '不及格'    return y
df['是否及格'] = df['成績'].apply(score)
exam_x = df.loc[:, '學習時間']exam_y = df.loc[:, '成績']
x_train, x_test, y_train, y_test = train_test_split(exam_x, exam_y, train_size=.8)
print('原始數據特徵', exam_x.shape,      '訓練數據特徵', x_train.shape,      '測試數據特徵', x_test.shape)
print('原始數據特徵', exam_y.shape,      '訓練數據特徵', y_train.shape,      '測試數據特徵', y_test.shape)
model1 = LinearRegression()
x_train = x_train.values.reshape(-1,1)x_test = x_test.values.reshape(-1,1)model1.fit(x_train,y_train)
a = model1.intercept_b = model1.coef_print('最佳擬合線：截距a=',a,'回歸係數b=',b)plt.scatter(x_train,y_train,edgecolors='red')y_train_pred = model1.predict(x_train)plt.plot(x_train,y_train_pred,color='g')plt.xlabel('hours')plt.ylabel('data')plt.show()
t = model1.score(x_test,y_test)print('線性回歸模型準確率為',t)
exam_x1 = df.loc[:, '學習時間']exam_y1 = df.loc[:, '是否及格']
x1_train, x1_test, y1_train, y1_test = train_test_split(exam_x1, exam_y1, train_size=.8)
print('原始數據特徵', exam_x1.shape,      '訓練數據特徵', x1_train.shape,      '測試數據特徵', x1_test.shape)
print('原始數據特徵', exam_y1.shape,      '訓練數據特徵', y1_train.shape,      '測試數據特徵', y1_test.shape)
model2 = LogisticRegression()
x1_train = x1_train.values.reshape(-1,1)x1_test = x1_test.values.reshape(-1,1)model2.fit(x1_train,y1_train)

t1 = model2.score(x1_test,y1_test)print('邏輯回歸模型準確率為',t1)