数据准备
1. 确定研究问题和目标变量
在进行一元线性回归之前，首先需要明确研究问题和目标变量。例如，我们可能想要预测房价，那么目标变量就是房价。
2. 数据收集
收集与目标变量相关的数据。这些数据可以是历史销售数据、市场调研数据等。
3. 数据清洗
在开始分析之前，需要对数据进行清洗，包括处理缺失值、异常值和重复数据。
import pandas as pd
# 示例：读取数据
data = pd.read_csv('house_prices.csv')
# 处理缺失值
data.dropna(inplace=True)
# 处理异常值
data = data[(data['area'] > 0) & (data['price'] > 0)]
# 删除重复数据
data.drop_duplicates(inplace=True)
4. 数据探索
通过描述性统计和可视化分析，了解数据的分布和特征。
import matplotlib.pyplot as plt
# 描述性统计
print(data.describe())
# 可视化分析
plt.scatter(data['area'], data['price'])
plt.xlabel('Area')
plt.ylabel('Price')
plt.show()
模型建立
1. 选择模型
一元线性回归模型可以表示为：y = β0 + β1x，其中y是目标变量，x是自变量，β0是截距，β1是斜率。
2. 拟合模型
使用最小二乘法拟合模型，找到最佳参数β0和β1。
from sklearn.linear_model import LinearRegression
# 创建模型
model = LinearRegression()
# 拟合模型
model.fit(data[['area']], data['price'])
结果解读
1. 模型评估
使用评估指标（如R²、均方误差等）评估模型的性能。
from sklearn.metrics import mean_squared_error, r2_score
# 预测
predictions = model.predict(data[['area']])
# 评估
mse = mean_squared_error(data['price'], predictions)
r2 = r2_score(data['price'], predictions)
print(f'Mean Squared Error: {mse}')
print(f'R²: {r2}')
2. 解释参数
解释模型的参数β0和β1，了解它们对目标变量的影响。
# 解释参数
print(f'截距 β0: {model.intercept_}')
print(f'斜率 β1: {model.coef_}')
3. 可视化结果
将实际值和预测值进行可视化，观察模型的拟合效果。
plt.scatter(data['area'], data['price'], color='blue')
plt.scatter(data['area'], predictions, color='red')
plt.xlabel('Area')
plt.ylabel('Price')
plt.legend(['Actual', 'Predicted'])
plt.show()
总结
通过以上步骤，我们可以完成一元线性回归预测的全流程。在实际应用中，我们需要根据具体问题调整数据准备、模型建立和结果解读的步骤。希望这篇文章能帮助你更好地理解一元线性回归预测。