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:
Import scipy
and draw the line of Linear Regression:
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()