變量分析：
①相關(guān)分析：一個(gè)連續(xù)變量與一個(gè)連續(xù)變量間的關(guān)系。
②雙樣本t檢驗(yàn)：一個(gè)二分分類變量與一個(gè)連續(xù)變量間的關(guān)系。
③方差分析：一個(gè)多分類分類變量與一個(gè)連續(xù)變量間的關(guān)系。
④卡方檢驗(yàn)：一個(gè)二分分類變量或多分類分類變量與一個(gè)二分分類變量間的關(guān)系。
本次介紹：
線性回歸：多個(gè)連續(xù)變量與一個(gè)連續(xù)變量間的關(guān)系。
其中線性回歸分為簡(jiǎn)單線性回歸和多元線性回歸。
／ 01 ／ 數(shù)據(jù)分析與數(shù)據(jù)挖掘
數(shù)據(jù)庫(kù)：一個(gè)存儲(chǔ)數(shù)據(jù)的工具。因?yàn)镻ython是內(nèi)存計(jì)算，難以處理幾十G的數(shù)據(jù)，所以有時(shí)數(shù)據(jù)清洗需在數(shù)據(jù)庫(kù)中進(jìn)行。
統(tǒng)計(jì)學(xué)：針對(duì)小數(shù)據(jù)的數(shù)據(jù)分析方法，比如對(duì)數(shù)據(jù)抽樣、描述性分析、結(jié)果檢驗(yàn)。
人工智能／機(jī)器學(xué)習(xí)／模式識(shí)別：神經(jīng)網(wǎng)絡(luò)算法，模仿人類神經(jīng)系統(tǒng)運(yùn)作，不僅可以通過(guò)訓(xùn)練數(shù)據(jù)進(jìn)行學(xué)習(xí)，而且還能根據(jù)學(xué)習(xí)的結(jié)果對(duì)未知的數(shù)據(jù)進(jìn)行預(yù)測(cè)。
／ 02 ／ 回歸方程
01 簡(jiǎn)單線性回歸
簡(jiǎn)單線性回歸只有一個(gè)自變量與一個(gè)因變量。
含有的參數(shù)有「回歸系數(shù)」「截距」「擾動(dòng)項(xiàng)」。
其中「擾動(dòng)項(xiàng)」又稱「隨機(jī)誤差」，服從均值為0的正態(tài)分布。
線性回歸的因變量實(shí)際值與預(yù)測(cè)值之差稱為「殘差」。
線性回歸旨在使殘差平方和最小化。
下面以書中的案例，實(shí)現(xiàn)一個(gè)簡(jiǎn)單線性回歸。
建立收入與月均信用卡支出的預(yù)測(cè)模型。
import numpy as np
import pandas as pd
import statsmodels．a(chǎn)pi as sm
import matplotlib．pyplot as plt
from statsmodels．formula．a(chǎn)pi import ols
＃ 消除pandas輸出省略號(hào)情況及換行情況
pd．set＿option（＇display．max＿columns＇， 500）
pd．set＿option（＇display．width＇， 1000）
＃ 讀取數(shù)據(jù)，skipinitialspace：忽略分隔符后的空白
df ＝ pd．read＿csv（＇creditcard＿exp．csv＇， skipinitialspace＝True）
print（df．head（））
讀取數(shù)據(jù)，數(shù)據(jù)如下。
對(duì)數(shù)據(jù)進(jìn)行相關(guān)性分析。
＃ 獲取信用卡有支出的行數(shù)據(jù)
exp ＝ df［df［＇avg＿exp＇］．notnull（）］．copy（）．iloc［：， 2：］．drop（＇age2＇， axis＝1）
＃ 獲取信用卡無(wú)支出的行數(shù)據(jù)，NaN
exp＿new ＝ df［df［＇avg＿exp＇］．isnull（）］．copy（）．iloc［：， 2：］．drop（＇age2＇， axis＝1）
＃ 描述性統(tǒng)計(jì)分析
exp．describe（include＝＇all＇）
print（exp．describe（include＝＇all＇））
＃ 相關(guān)性分析
print（exp［［＇avg＿exp＇， ＇Age＇， ＇Income＇， ＇dist＿h(yuǎn)ome＿val＇］］．corr（method＝＇pearson＇））
輸出結(jié)果。
發(fā)現(xiàn)收入（Income）和平均支出（avg＿exp）相關(guān)性較大，值為0．674。
使用簡(jiǎn)單線性回歸建立模型。
＃ 使用簡(jiǎn)單線性回歸建立模型
lm＿s ＝ ols（＇avg＿exp ～ Income＇， data＝exp）．fit（）
print（lm＿s．params）
＃ 輸出模型基本信息，回歸系數(shù)及檢驗(yàn)信息，其他模型診斷信息
print（lm＿s．summary（））
一元線性回歸系數(shù)的輸出結(jié)果如下。
從上可知，回歸系數(shù)值為97．73，截距值為258．05。
模型概況如下。
其中R值為0．454，P值接近于0，所以模型還是有一定參考意義的。
使用線性回歸模型測(cè)試訓(xùn)練數(shù)據(jù)集，得出其預(yù)測(cè)值及殘差。
＃ 生成的模型使用predict產(chǎn)生預(yù)測(cè)值，resid為訓(xùn)練數(shù)據(jù)集的殘差
print（pd．DataFrame（［lm＿s．predict（exp）， lm＿s．resid］， index＝［＇predict＇， ＇resid＇］）．T．head（））
輸出結(jié)果，可與最開始讀取數(shù)據(jù)時(shí)輸出的結(jié)果對(duì)比一下。
使用模型測(cè)試預(yù)測(cè)數(shù)據(jù)集的結(jié)果。
＃ 對(duì)待預(yù)測(cè)數(shù)據(jù)集使用模型進(jìn)行預(yù)測(cè)
print（lm＿s．predict（exp＿new）［：5］）
輸出結(jié)果。
12下一頁(yè)>（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
