本文通过一个简单的例子：预测房价，来探讨怎么用python做一元线性回归分析。

1. 预测房价

房价是一个很火的话题，现在我们拿到一组数据，是房子的大小（平方英尺）和房价（美元）之间的对应关系，如下（csv数据文件）：

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

从中可以大致看出，房价和房子大小之间是有相关关系的，且可以大致看出来是线性相关关系。为了简单起见，这里理想化地假设房价只和房子大小有关，那我们在这组数据的基础上，用一元回归分析预测房子的房价。

2. 代码实现

#!usr/bin/env python#!-*- coding: utf8 -*-# python一元线性回归分析实例：预测房子价格import matplotlib.pyplot as pltimport pandas as pdfrom sklearn.linear_model import LinearRegression# 用pandas读取csvdata = pd.read_csv("../data/price_info.csv")x = data['square_feet']y = data['price']# 构造X列表和Y列表，reshape(-1,1)改变数组形状，为只有一个属性x = x.reshape(-1,1)y = y.reshape(-1,1)# 构造回归对象model = LinearRegression()model.fit(x, y)# 获取预测值predict_y = model.predict(x)# 构造返回字典predictions = {}predictions['intercept'] = model.intercept_ # 截距值predictions['coefficient'] = model.coef_ # 回归系数（斜率值）predictions['predict_value'] = predict_y # 绘出图像# 绘出已知数据散点图plt.scatter(x, y, color = 'blue')# 绘出预测直线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. 输出结果

参考文章

/dnxbjyj/article/details/71914943