چگونه کار می کند؟(How Does it Work?)

پایتون روش هایی برای یافتن رابطه بین نقاط داده و رسم خط رگرسیون خطی دارد.
ما به شما نشان خواهیم داد
نحوه استفاده از این روش ها به جای استفاده از فرمول ریاضی.


در مثال زیر، محور x نشان دهنده سن و محور y نشان دهنده سرعت است. ما سن و سرعت 13 خودرو را در هنگام عبور ثبت کرده ایم
عوارضی. اجازه دهید ببینیم آیا داده‌هایی که جمع‌آوری کردیم می‌توانند به صورت خطی استفاده شوند یا خیر
رگرسیون:




مثال


Start by drawing a scatter plot:



import matplotlib.pyplot as plt

x = [5,7,8,7,2,17,2,9,4,11,12,9,6]
y =
[99,86,87,88,111,86,103,87,94,78,77,85,86]

plt.scatter(x, y)
plt.show()

Result:









مثال


Import scipy and draw the line of Linear Regression:



import matplotlib.pyplot as plt
from scipy import stats


x = [5,7,8,7,2,17,2,9,4,11,12,9,6]
y =
[99,86,87,88,111,86,103,87,94,78,77,85,86]

slope, intercept, r,
p, std_err = stats.linregress(x, y)

def myfunc(x):
 
return slope * x + intercept

mymodel = list(map(myfunc, x))


plt.scatter(x, y)
plt.plot(x, mymodel)
plt.show()

Result:







مثال توضیح داده شد



ماژول های مورد نیاز خود را وارد کنید:




import matplotlib.pyplot as plt
from scipy
import stats




آرایه هایی را ایجاد کنید که نشان دهنده مقادیر محور x و y هستند:





x = [5,7,8,7,2,17,2,9,4,11,12,9,6]
y = [99,86,87,88,111,86,103,87,94,78,77,85,86]




متدی را اجرا کنید که برخی از مقادیر کلیدی مهم رگرسیون خطی را برمی گرداند:





slope, intercept, r,
p, std_err = stats.linregress(x, y)




یک تابع ایجاد کنید که از شیب استفاده کند و
مقادیر قطع برای برگرداندن یک مقدار جدید. این
مقدار new نشان‌دهنده جایی است که در محور y مقدار x مربوطه در کجا خواهد بود
قرار داده شده:





def myfunc(x):

  return slope * x + intercept




هر مقدار آرایه x را از طریق تابع اجرا کنید. این منجر به جدید می شود
آرایه ای با مقادیر جدید برای محور y:





mymodel = list(map(myfunc, x))




نقشه پراکندگی اصلی را رسم کنید:





plt.scatter(x, y)




خط رگرسیون خطی را رسم کنید:





plt.plot(x, mymodel)





نمایش نمودار:





plt.show()