在python中实现线性回归的方法-创新互联

这篇文章主要介绍在python中实现线性回归的方法，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

线性回归是基本的统计和机器学习技术之一。经济，计算机科学，社会科学等等学科中，无论是统计分析，或者是机器学习，还是科学计算，都有很大的机会需要用到线性模型。建议先学习它，然后再尝试更复杂的方法。

回归

回归分析是统计和机器学习中最重要的领域之一。有许多可用的回归方法。线性回归就是其中之一。而线性回归可能是最重要且使用最广泛的回归技术之一。这是最简单的回归方法之一。它的主要优点之一是线性回归得到的结果十分容易解释。那么回归主要有：

• 简单线性回归
• 多元线性回归
• 多项式回归
   

如何在python中实现线性回归

用到的packages

• NumPy
   

NumPy是Python的基础科学软件包，它允许在单维和多维数组上执行许多高性能操作。

• scikit-learn
   

scikit-learn是在NumPy和其他一些软件包的基础上广泛使用的Python机器学习库。它提供了预处理数据，减少维数，实现回归，分类，聚类等的方法。

• statsmodels
   

如果要实现线性回归并且需要功能超出scikit-learn的范围，则应考虑使用statsmodels可以用于估算统计模型，执行测试等。

scikit-learn的简单线性回归

1.导入用到的packages和类

import numpy as np
from sklearn.linear_model import LinearRegression