Python数据分析之一元线性回归问题Python方差分析结论

问题

制作一元材积表，不懂林学的可能不知道，如图，也就是构造材积和胸径间的关系，这里采用了python的一元线性回归方法（本人用spss做了幂函数非线性回归，效果最好）。

Python方差分析

1. 导入库和数据

代码语言：javascript复制

from sklearn import linear_model
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
df1 = pd.read_excel('C:/Users/Administrator/Desktop/一元材积表.xlsx')

1. 绘制散点图

代码语言：javascript复制

X = np.array(df1[['胸径']])
Y = np.array(df1[['材积']])
plt.rc('font',family='STXihei',size=15)
plt.scatter(X,Y,60,color='blue',marker='o',linewidths=3,alpha=0.4)
plt.xlabel('胸径')
plt.ylabel('材积')
plt.title('一元材积表')
plt.show()

可以看出，用一元线性回归是不太理想的，不过为了给老师交作业，还是做一下好了。

1. 一元回归模型

代码语言：javascript复制

clf = linear_model.LinearRegression()
clf.fit(X,Y)
print(clf.coef_,clf.intercept_)
print(clf.score(X,Y))

结果如图

结论

R2不高，模型并不太好。

python 数据分析 线性回归 numpy

0 人点赞