分享2个超实用的线性回归分析操作教程，有手就会

wy168 发表于 2022-10-26 16:06:51

<a style="color: red;">数据挖掘</a>有很多重要的方法，线性回归分析就是其中之一。我们在高中和大学都有接触过线性回归的概念，这里就不赘述了。本文也不会涉及到有关数学理论方面的知识，还是以应用场景、操作方法的介绍为主。
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-qvj2lq49k0/1025288a678e4e2f8e88bd37949fe4b7~noop.image?_iz=58558&from=article.pc_detail&x-expires=1664492657&x-signature=jzeeuNXJsNksZMrqb4fl5laXAak%3D" style="width: 100%; margin-bottom: 20px;"> 
一、应用场景：
首先，一起来了解一下线性回归分析的作用。在我们的日常生活中，线性回归分析是会被常常用到的。运用线性回归分析，我们可以了解到两组数据间有没有存在相关性。如，当我们想知道广告费用的投入对销售额增长的影响程度时，就可以运用。公司应不应该加大广告费投入，如果未来投入一定的广告费用，预测销售额可以达到多少…这一系列问题都可以通过线性回归分析去得出答案。
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-qvj2lq49k0/c5a76991060c4b4c860f31a2ab7b82b7~noop.image?_iz=58558&from=article.pc_detail&x-expires=1664492657&x-signature=GVbTqhiIIm8uomHbqifIC%2Bz%2Br%2Bc%3D" style="width: 100%; margin-bottom: 20px;"> 
线性回归分析方法运用的前提是要具备两组以上的数据，然后就可以开始应用检验啦。下面给大家演示一下线性回归分析的方法、操作过程，用到的工具是Python。
二、Python实现过程：
第1步：数据导入
首先要做的就是把本地的EXCEL或者CSV文件读取到Python里，我们可以引用pandas库去读取数据：
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-qvj2lq49k0/01ac9223eefa4c0caf7c616a4196f2b5~noop.image?_iz=58558&from=article.pc_detail&x-expires=1664492657&x-signature=W688WEcqpqFodqgWN7gpD1E1U10%3D" style="width: 100%; margin-bottom: 20px;"> 
待数据读取成功后，我们需要对数据进行确认，用到的方法是将打印数据与EXCEL数据进行对比：
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-qvj2lq49k0/73a8c970273a4d55b90f382b6d8624ad~noop.image?_iz=58558&from=article.pc_detail&x-expires=1664492657&x-signature=B2sGlxT4jhBG%2FOG8fA3pwQgCzXA%3D" style="width: 100%; margin-bottom: 20px;">
第2步：计算相关系数
如上文所说，线性回归分析的前提是要有2组数据。在数学上通常是用皮尔逊相关系数来进行检验，这个数值越接近1，就代表两组数据越具有相关性，我们可以用corr这个函数来对广告费以及销售额进行检验：
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-qvj2lq49k0/202fe7efce194f4f942020d8c4fe5525~noop.image?_iz=58558&from=article.pc_detail&x-expires=1664492657&x-signature=jD4VEGMraJlpbtLYTi%2FyKgqeNYk%3D" style="width: 100%; margin-bottom: 20px;"> 
然后，打印data1，可见相关系数的值就已经得出了。数据为0.93，与1非常接近，有数据可知这2组数据的相关性是非常高的：
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-qvj2lq49k0/e2cc7f88cd2a4425a75435e2998065d6~noop.image?_iz=58558&from=article.pc_detail&x-expires=1664492657&x-signature=%2BALFIn3AB28QDqAvo%2FpLz0NAuSE%3D" style="width: 100%; margin-bottom: 20px;"> 
第3步：画图
为了更加直观地对这两组数据进行呈现，我们可以画一个散点图，接入matplotlib，X轴为广告费用，Y轴为销售额设置。接着利用plot（）函数来画图，最后利用show（）函数进行图表呈现：
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-qvj2lq49k0/4da25e2e1ccf47858a6ebfd84d88d8e4~noop.image?_iz=58558&from=article.pc_detail&x-expires=1664492657&x-signature=ib1CopmYLghUUvjSqzx3a236fAE%3D" style="width: 100%; margin-bottom: 20px;"> 
打印一下，我们看看图形的效果，从图中可以看中，散点图点排列基本在一条直线上的，由此可知广告费用与销售额是呈正相关的，广告费用越多，销售额也会随之增长，这也对我们上面计算出来的相关系数提供了一个非常好的佐证：
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-qvj2lq49k0/5d1f6c8333bd4582b7717238a0cdfa8c~noop.image?_iz=58558&from=article.pc_detail&x-expires=1664492657&x-signature=4NR%2FNP8lvcxF77y%2BUMXXfPhrCGw%3D" style="width: 100%; margin-bottom: 20px;">
第4步：建立线性回归模型
用y=ks+b公式表示线性回归的方程，X为自变量、Y为因变量、K为斜率、b为直线在轴上的截距。接入sklearn库，对着上面的数据建立线性回归模型，sklearn库主要是进行机器学习。先利用LinearRegression()对象定义，再利用fit（）函数对X、Y的值进行模型训练，最后输出coef_，代表k值、是intercept_，代表b值两个数据：
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-qvj2lq49k0/1e352e822bd04bc9856dfd0e5965bb98~noop.image?_iz=58558&from=article.pc_detail&x-expires=1664492657&x-signature=jzSQULphtPsp3vaRuvIT1kduuSc%3D" style="width: 100%; margin-bottom: 20px;"> 
输出后的数据如下，k是17.3，b是291.9：
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-qvj2lq49k0/bd3950891c9647e388632c57957430ee~noop.image?_iz=58558&from=article.pc_detail&x-expires=1664492657&x-signature=jD%2BbcYdtwvUrNvPj8zmahuetea8%3D" style="width: 100%; margin-bottom: 20px;"> 
利用score（）函数对模型的拟合程度进行检验，当数值越接近1，就代表该模型的拟合程度越好：
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-qvj2lq49k0/30f412eefad64191b82a993b4fd9c11d~noop.image?_iz=58558&from=article.pc_detail&x-expires=1664492657&x-signature=6ob%2FdAJQ1UBe9Y4cBmF1cGOQe1I%3D" style="width: 100%; margin-bottom: 20px;"> 
计算结果出来了，0.879，已经非常接近1了，可见模型的拟合程度很好，能投入到实际应用中去使用：
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-qvj2lq49k0/f95308f0ac2749f594628b9dd9277bf2~noop.image?_iz=58558&from=article.pc_detail&x-expires=1664492657&x-signature=4LSz1NFdHlNDvUPOKbdb9cUsDco%3D" style="width: 100%; margin-bottom: 20px;"> 
第5步：数据预测
k和b的值也出来了，现在只需要x的值就能够推算得出y值数据，现在我们可以利用这个原理去对数据进行预测。这里可以利用predict（）函数接入一个参数对数据进行预测，例如下面我们看看广告费在20万的时候，销售额预计会有多少：
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-qvj2lq49k0/3c67651f643140f4b3c714eb2400ac55~noop.image?_iz=58558&from=article.pc_detail&x-expires=1664492657&x-signature=zek6Is5wGXdVFDb38goYCBW9KPw%3D" style="width: 100%; margin-bottom: 20px;"> 
最后算出来的销售额是638万：
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-qvj2lq49k0/8341c5959a33415dbc6ea1aecb298e61~noop.image?_iz=58558&from=article.pc_detail&x-expires=1664492657&x-signature=ipl47m5AvMUZPDLaEwtGnjSwF5c%3D" style="width: 100%; margin-bottom: 20px;"> 
三、后续建议
从python的实现过程来看，通过写代码的形式能够实现线性回归分析的整个过程，但是毕竟大部分小伙伴都没有接触过这门编程语言，如果真要用python去做的话可能会难度比较大。那么有没有更加简洁一点的方法呢？当然有！再给大家介绍一个更加简便的方法，用到的工具是smartbi。
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-qvj2lq49k0/88a3dfe2409f4241b3bc3f0117c9356e~noop.image?_iz=58558&from=article.pc_detail&x-expires=1664492657&x-signature=HxaE2w1a8C8jWfDENsIjc79lK1A%3D" style="width: 100%; margin-bottom: 20px;"> 
当前界面为数据挖掘界面，工具栏位于界面的左边，可以看到工具栏上的组件有很多。这个也就是ETL工作界面，ETL常应用于数据清洗上。ETL的数据源治理能力非常出色。如果把ETL和数据挖掘结合起来，必然可以大幅提高数据分析的效率。
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-qvj2lq49k0/88a6977c1e854f868d419d4e6808183d~noop.image?_iz=58558&from=article.pc_detail&x-expires=1664492657&x-signature=iZxjh6bnvhzj1zhtXNUu1pAJLE4%3D" style="width: 100%; margin-bottom: 20px;"> 
第一步要做的是先把数据源读取到ETL的界面里，我们可以把EXCEL文件这个组件拖拽进来，并把上面的广告费用的EXCEL文件读取进来：
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-qvj2lq49k0/8bceac23c52c4556bc2e45d60e8ba85d~noop.image?_iz=58558&from=article.pc_detail&x-expires=1664492657&x-signature=0Lirx5k3eICEnP5BLNQsDKtFHL4%3D" style="width: 100%; margin-bottom: 20px;"> 
如果EXCEL文件中存在着多个sheet，还需要把读取Excelsheet这个组件拖拽进来，并读取您的目标sheet：
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-qvj2lq49k0/29a309ce52cc493886947d43ed4587f6~noop.image?_iz=58558&from=article.pc_detail&x-expires=1664492657&x-signature=5pSuHqBxQh1LWum8YwRE53jG59k%3D" style="width: 100%; margin-bottom: 20px;"> 
完成数据读取后，预览数据源:
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-qvj2lq49k0/915348f613bc4d3786ee31f930f72cb4~noop.image?_iz=58558&from=article.pc_detail&x-expires=1664492658&x-signature=SBmhm8T7z2VHtBOVBiDVwcY8OGA%3D" style="width: 100%; margin-bottom: 20px;"> 
接下来是广告费用、销售额的相关系数计算，将相关性分析的组件拖拽进来，将其和上面的组件进行连接：
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-qvj2lq49k0/3bc4601d5d374f58ad1411f21b58a567~noop.image?_iz=58558&from=article.pc_detail&x-expires=1664492658&x-signature=GV3abO1IBKllYSS1qsaJQ%2BTGvWY%3D" style="width: 100%; margin-bottom: 20px;"> 
鼠标选中相关系分析，在右边的待选列里把销售额和广告费用选中，并移动到右边：
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-qvj2lq49k0/9b5cb63223c64fbd82944e53c8a60b96~noop.image?_iz=58558&from=article.pc_detail&x-expires=1664492658&x-signature=rAhu0v%2B7mRo3TuebbkmAqDFdank%3D" style="width: 100%; margin-bottom: 20px;"> 
查看输出效果，只需要点击广告费用、销售额的中间区域，相关性系数为0.94。该数据与Python计算结果一致：
<img src="https://p3-sign.toutiaoimg.com/tos-cn-i-qvj2lq49k0/e36f0f67e3a8437db251ce3326fe9a40~noop.image?_iz=58558&from=article.pc_detail&x-expires=1664492658&x-signature=wnF7M1UlzjePW8peX2dijeMJnDY%3D" style="width: 100%; margin-bottom: 20px;"> 
由于篇幅有限，散点图、数据预测等其他功能实现的方法就不多做介绍了，有兴趣的小伙伴可以自行去研究一下。

页: [1]

泓嘉网创's Archiver

分享2个超实用的线性回归分析操作教程，有手就会