線性回歸數據集有哪些

① 線性回歸的基本假設

1、隨機誤差項是一個期望值或平均值為0的隨機變數；

2、對於解釋變數的所有觀測值，隨機誤差項有相同的方差；

3、隨機誤差項彼此不相關；

4、解釋變數是確定性變數，不是隨機變數，與隨機誤差項彼此之間相互獨立；

5、解釋變數之間不存在精確的（完全的）線性關系，即解釋變數的樣本觀測值矩陣是滿秩矩陣；

6、隨機誤差項服從正態分布。

(1)線性回歸數據集有哪些擴展閱讀：

線性回歸方程是利用數理統計中的回歸分析，來確定兩種或兩種以上變數間相互依賴的定量關系的一種統計分析方法之一。線性回歸也是回歸分析中第一種經過嚴格研究並在實際應用中廣泛使用的類型。按自變數個數可分為一元線性回歸分析方程和多元線性回歸分析方程。

線性回歸有很多實際用途。分為以下兩大類：

1 如果目標是預測或者映射，線性回歸可以用來對觀測數據集的和X的值擬合出一個預測模型。當完成這樣一個模型以後，對於一個新增的X值，在沒有給定與它相配對的y的情況下，可以用這個擬合過的模型預測出一個y值。

2 給定一個變數y和一些變數X1,...,Xp，這些變數有可能與y相關，線性回歸分析可以用來量化y與Xj之間相關性的強度，評估出與y不相關的Xj，並識別出哪些Xj的子集包含了關於y的冗餘信息。

② 什麼是線性回歸

線性回歸是利用數理統計中的回歸分析，來確定兩種或兩種以上變數間相互依賴的定量關系的一種統計分析方法，運用十分廣泛。分析按照自變數和因變數之間的關系類型，可分為線性回歸分析和非線性回歸分析

在統計學中，線性回歸(Linear Regression)是利用稱為線性回歸方程的最小平方函數對一個或多個自變數和因變數之間關系進行建模的一種回歸分析。這種函數是一個或多個稱為回歸系數的模型參數的線性組合。只有一個自變數的情況稱為簡單回歸,大於一個自變數情況的叫做多元回歸。（這反過來又應當由多個相關的因變數預測的多元線性回歸區別，】，而不是一個單一的標量變數。）
回歸分析中，只包括一個自變數和一個因變數，且二者的關系可用一條直線近似表示，這種回歸分析稱為一元線性回歸分析。如果回歸分析中包括兩個或兩個以上的自變數，且因變數和自變數之間是線性關系，則稱為多元線性回歸分析。
在線性回歸中，數據使用線性預測函數來建模，並且未知的模型參數也是通過數據來估計。這些模型被叫做線性模型。最常用的線性回歸建模是給定X值的y的條件均值是X的仿射函數。不太一般的情況，線性回歸模型可以是一個中位數或一些其他的給定X的條件下y的條件分布的分位數作為X的線性函數表示。像所有形式的回歸分析一樣，線性回歸也把焦點放在給定X值的y的條件概率分布，而不是X和y的聯合概率分布（多元分析領域）。
線性回歸是回歸分析中第一種經過嚴格研究並在實際應用中廣泛使用的類型。這是因為線性依賴於其未知參數的模型比非線性依賴於其位置參數的模型更容易擬合，而且產生的估計的統計特性也更容易確定。
線性回歸有很多實際用途。分為以下兩大類：
如果目標是預測或者映射，線性回歸可以用來對觀測數據集的和X的值擬合出一個預測模型。當完成這樣一個模型以後，對於一個新增的X值，在沒有給定與它相配對的y的情況下，可以用這個擬合過的模型預測出一個y值。
給定一個變數y和一些變數X1,...,Xp，這些變數有可能與y相關，線性回歸分析可以用來量化y與Xj之間相關性的強度，評估出與y不相關的Xj，並識別出哪些Xj的子集包含了關於y的冗餘信息。

③ 線性回歸的基本含義

在統計學中，線性回歸(Linear Regression)是利用稱為線性回歸方程的最小平方函數對一個或多個自變數和因變數之間關系進行建模的一種回歸分析。這種函數是一個或多個稱為回歸系數的模型參數的線性組合。只有一個自變數的情況稱為簡單回歸,大於一個自變數情況的叫做多元回歸。（這反過來又應當由多個相關的因變數預測的多元線性回歸區別，[引文需要]，而不是一個單一的標量變數。）
回歸分析中，只包括一個自變數和一個因變數，且二者的關系可用一條直線近似表示，這種回歸分析稱為一元線性回歸分析。如果回歸分析中包括兩個或兩個以上的自變數，且因變數和自變數之間是線性關系，則稱為多元線性回歸分析。
回歸分析中有多個自變數：這里有一個原則問題，這些自變數的重要性，究竟誰是最重要，誰是比較重要，誰是不重要。所以，spss線性回歸有一個和逐步判別分析的等價的設置。
原理：是F檢驗。spss中的操作是「分析」～「回歸」～「線性」主對話框方法框中需先選定「逐步」方法～「選項」子對話框
如果是選擇「用F檢驗的概率值」，越小代表這個變數越容易進入方程。原因是這個變數的F檢驗的概率小，說明它顯著，也就是這個變數對回歸方程的貢獻越大，進一步說就是該變數被引入回歸方程的資格越大。究其根本，就是零假設分水嶺，例如要是把進入設為0.05，大於它說明接受零假設，這個變數對回歸方程沒有什麼重要性，但是一旦小於0.05，說明，這個變數很重要應該引起注意。這個0.05就是進入回歸方程的通行證。
下一步：「移除」選項：如果一個自變數F檢驗的P值也就是概率值大於移除中所設置的值，這個變數就要被移除回歸方程。spss回歸分析也就是把自變數作為一組待選的商品，高於這個價就不要，低於一個比這個價小一些的就買來。所以「移除」中的值要大於「進入」中的值，默認「進入」值為0.05，「移除」值為0.10
如果，使用「採用F值」作為判據，整個情況就顛倒了，「進入」值大於「移除」值，並且是自變數的進入值需要大於設定值才能進入回歸方程。這里的原因就是F檢驗原理的計算公式。所以才有這樣的差別。
結果：如同判別分析的逐步方法，表格中給出所有自變數進入回歸方程情況。這個表格的標志是，第一列寫著擬合步驟編號，第二列寫著每步進入回歸方程的編號，第三列寫著從回歸方程中剔除的自變數。第四列寫著自變數引入或者剔除的判據，下面跟著一堆文字。
這種設置的根本目的：挑選符合的變數，剔除不符合的變數
注意：spss中還有一個設置，「在等式中包含常量」，它的作用是如果不選擇它，回歸模型經過原點，如果選擇它，回歸方程就有常數項。這個選項選和不選是不一樣的。
在線性回歸中，數據使用線性預測函數來建模，並且未知的模型參數也是通過數據來估計。這些模型被叫做線性模型。最常用的線性回歸建模是給定X值的y的條件均值是X的仿射函數。不太一般的情況，線性回歸模型可以是一個中位數或一些其他的給定X的條件下y的條件分布的分位數作為X的線性函數表示。像所有形式的回歸分析一樣，線性回歸也把焦點放在給定X值的y的條件概率分布，而不是X和y的聯合概率分布（多元分析領域）。
線性回歸是回歸分析中第一種經過嚴格研究並在實際應用中廣泛使用的類型。這是因為線性依賴於其未知參數的模型比非線性依賴於其位置參數的模型更容易擬合，而且產生的估計的統計特性也更容易確定。
線性回歸有很多實際用途。分為以下兩大類： 如果目標是預測或者映射，線性回歸可以用來對觀測數據集的和X的值擬合出一個預測模型。當完成這樣一個模型以後，對於一個新增的X值，在沒有給定與它相配對的y的情況下，可以用這個擬合過的模型預測出一個y值。這是比方差分析進一步的作用，就是根據現在，預測未來。雖然，線性回歸和方差都是需要因變數為連續變數，自變數為分類變數，自變數可以有一個或者多個，但是，線性回歸增加另一個功能，也就是憑什麼預測未來，就是憑回歸方程。這個回歸方程的因變數是一個未知數，也是一個估計數，雖然估計，但是，只要有規律，就能預測未來。 給定一個變數y和一些變數X1,...,Xp，這些變數有可能與y相關，線性回歸分析可以用來量化y與Xj之間相關性的強度，評估出與y不相關的Xj，並識別出哪些Xj的子集包含了關於y的冗餘信息。 線性回歸模型經常用最小二乘逼近來擬合，但他們也可能用別的方法來擬合，比如用最小化「擬合缺陷」在一些其他規范里（比如最小絕對誤差回歸），或者在橋回歸中最小化最小二乘損失函數的懲罰.相反,最小二乘逼近可以用來擬合那些非線性的模型.因此，盡管「最小二乘法」和「線性模型」是緊密相連的，但他們是不能劃等號的。
數據組說明線性回歸
以一簡單數據組來說明什麼是線性回歸。假設有一組數據型態為 y=y(x)，其中
x={0, 1, 2, 3, 4, 5}, y={0, 20, 60, 68, 77, 110}
如果要以一個最簡單的方程式來近似這組數據，則用一階的線性方程式最為適合。先將這組數據繪圖如下
圖中的斜線是隨意假設一階線性方程式 y=20x，用以代表這些數據的一個方程式。以下將上述繪圖的MATLAB指令列出，並計算這個線性方程式的 y 值與原數據 y 值間誤差平方的總合。
>> x=[0 1 2 3 4 5];
>> y=[0 20 60 68 77 110];
>> y1=20*x; % 一階線性方程式的 y1 值
>> sum_sq = sum((y-y1).^2); % 誤差平方總和為 573
>> axis([-1,6,-20,120])
>> plot(x,y1,x,y,'o'), title('Linear estimate'), grid
如此任意的假設一個線性方程式並無根據，如果換成其它人來設定就可能採用不同的線性方程式；所以必須要有比較精確方式決定理想的線性方程式。可以要求誤差平方的總和為最小，做為決定理想的線性方程式的准則，這樣的方法就稱為最小平方誤差(least squares error)或是線性回歸。MATLAB的polyfit函數提供了 從一階到高階多項式的回歸法，其語法為polyfit(x,y,n)，其中x,y為輸入數據組n為多項式的階數，n=1就是一階 的線性回歸法。polyfit函數所建立的多項式可以寫成
從polyfit函數得到的輸出值就是上述的各項系數，以一階線性回歸為例n=1，所以只有 二個輸出值。如果指令為coef=polyfit(x,y,n)，則coef(1)= , coef(2)=,...,coef(n+1)= 。注意上式對n 階的多 項式會有 n+1 項的系數。看以下的線性回歸的示範：
>> x=[0 1 2 3 4 5];
>> y=[0 20 60 68 77 110];
>> coef=polyfit(x,y,1); % coef 代表線性回歸的二個輸出值
>> a0=coef(1); a1=coef(2);
>> ybest=a0*x+a1; % 由線性回歸產生的一階方程式
>> sum_sq=sum((y-ybest).^2); % 誤差平方總合為 356.82
>> axis([-1,6,-20,120])
>> plot(x,ybest,x,y,'o'), title('Linear regression estimate'), grid

④ 回歸分析中回歸系數與決定系數到底有什麼意義

我們有一個簡單的數據集來說明什麼是線性回歸。給定一組數據模式對Y
=
Y（x），其中
X
=
{0，1，2，3，4，5}，Y
=
{0，20，60，68，77，
110}
如果要採取的最簡單的公式之一來近似這組數據中，第一階的非線性方程組必須去。這第一組數據圖如下
中國數字斜線是我們隨意假設一階線性方程y
=
20倍，一個方程來表示數據。按照上述的MATLAB地塊列出與原始數據誤差平方和線性方程的yy值的值之間計算的指令。
>>
X
=
[0
1
2
3
4
5];
>>
Y
=
[0
20
60
68
77
110];
>>
Y1
=
20
*
X;％一階線性方程Y1值
>>
sum_sq
=
SUM（Y-Y1）^
2）;％的誤差平方和573
BR>
>>軸（[
-
1,6，-20,120]）的
>>劇情（X，Y，X，Y，'O'），標題（「線性預測」），網格，點擊看詳細這么一個線性方程的任何假設沒有根據，如果換成其他人可能使用不同的線性方程組的;所以我們需要有確定的理想線性方程組的更精確的方法。我們可以問平方誤差的總和被最小化，作為判定標准為理想的線性方程組，這種方法被稱為最小平方誤差（最小二乘誤差）或線性回歸。從訂單MATLAB的polyfit功能，以提供一個高次多項式回歸，語法polyfit（X，Y，n），其中的x，y是輸入數據為n階的多項式設定中，n
=
1是第一階線性回歸的方法。
polyfit建立多項式函數可以寫成從polyfit函數得到的輸出值
中國是上述的系數，以一階線性回歸，例如n
=
1時，使只有兩個輸出值。如果指令是COEF
=
polyfit（X，Y，n）時，COEF（1）=，COEF（2）=，...，COEF第（n
+
1）=。注意公式為n階多項式項將是n
+
1個系數。我們來看看下面的線性回歸模型：
>>
X
=
[0
1
2
3
4
5];
>>
Y
=
[0
20
60
68
77
110];
>>
COEF
=
polyfit（X，Y，1）;％COEF代表兩個輸出值的線性回歸？
>>
A0
=
COEF（1）;
A1
=
COEF（2）;
>>
ybest
=
A1
*
X
+
A0;由一階線性回歸方程
>>
sum_sq
=
SUM（Y-ybest）^產生2％）;總％平方錯誤356.82
>>軸（[
-
1,6，-20,120]）的
>>劇情（X，ybest，X，Y，'O'），標題（「線性回歸估計「），網格

⑤ 線性回歸方程公式是什麼

線性回歸方程公式：b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)。線性回歸方程是利用數理統計中的回歸分析，來確定兩種或兩種以上變數間相互依賴的定量關系的一種統計分析方法之一。

線性回歸方程公式求法：

第一：用所給樣本求出兩個相關變數的(算術）平均值：

x_=(x1+x2+x3+...+xn)/n

y_=(y1+y2+y3+...+yn)/n

第二：分別計算分子和分母：（兩個公式任選其一）

分子=(x1y1+x2y2+x3y3+...+xnyn)-nx_Y_

分母=(x1^2+x2^2+x3^2+...+xn^2)-n*x_^2

第三：計算b：b=分子/分母

用最小二乘法估計參數b，設服從正態分布，分別求對a、b的偏導數並令它們等於零，得方程組解為

其中，且為觀測值的樣本方差.線性方程稱為關於的線性回歸方程，稱為回歸系數，對應的直線稱為回歸直線.順便指出，將來還需用到，其中為觀測值的樣本方差。

先求x，y的平均值X，Y

再用公式代入求解:b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)

後把x，y的平均數X，Y代入a=Y-bX

求出a並代入總的公式y=bx+a得到線性回歸方程

(X為xi的平均數，Y為yi的平均數)

應用

線性回歸方程是回歸分析中第一種經過嚴格研究並在實際應用中廣泛使用的類型。這是因為線性依賴於其未知參數的模型比非線性依賴於其位置參數的模型更容易擬合，而且產生的估計的統計特性也更容易確定。

線性回歸有很多實際用途。分為以下兩大類：

如果目標是預測或者映射，線性回歸可以用來對觀測數據集的和X的值擬合出一個預測模型。當完成這樣一個模型以後，對於一個新增的X值，在沒有給定與它相配對的y的情況下，可以用這個擬合過的模型預測出一個y值。

給定一個變數y和一些變數X1,...,Xp，這些變數有可能與y相關，線性回歸分析可以用來量化y與Xj之間相關性的強度，評估出與y不相關的Xj，並識別出哪些Xj的子集包含了關於y的冗餘信息。

以上內容參考網路-線性回歸方程

⑥ 假設給定了觀測數據，做一元線性回歸的f檢驗需要哪些主要步驟

一元線性回歸模型有很多實際用途。分為以下兩大類：

1. 如果目標是預測或者映射，線性回歸可以用來對觀測數據集的和X的值擬合出一個預測模型。當完成這樣一個模型以後，對於一個新增的X值，在沒有給定與它相配對的y的情況下，可以用這個擬合過的模型預測出一個y值。

2. 2.給定一個變數y和一些變數X1,,Xp，這些變數有可能與y相關，線性回歸分析可以用來量化y與Xj之間相關性的強度，評估出與y不相關的Xj，並識別出哪些Xj的子集包含了關於y的冗餘信息。

一元線性回歸模型表示如下：

yt = b0 + b1 xt +ut （1） 上式表示變數yt 和xt之間的真實關系。其中yt 稱作被解釋變數（或相依變數、因變數），xt稱作解釋變數（或獨立變數、自變數），ut稱作隨機誤差項，b0稱作常數項（截距項），b1稱作回歸系數。

在模型 (1) 中，xt是影響yt變化的重要解釋變數。b0和b1也稱作回歸參數。這兩個量通常是未知的，需要估計。t表示序數。當t表示時間序數時，xt和yt稱為時間序列數據。當t表示非時間序數時，xt和yt稱為截面數據。ut則包括了除xt以外的影響yt變化的眾多微小因素。ut的變化是不可控的。上述模型可以分為兩部分。（1）b0 +b1 xt是非隨機部分；（2）ut是隨機部分。

⑦ 回歸線方程是什麼

回歸線方程是線性回歸方程或回歸直線方程。

1、線性回歸方程是利用數理統計中的回歸分析，來確定兩種或兩種以上變數間相互依賴的定量關系的一種統計分析方法之一。線性回歸也是回歸分析中第一種經過嚴格研究並在實際應用中廣泛使用的類型。按自變數個數可分為一元線性回歸分析方程和多元線性回歸分析方程。

2、回歸直線方程指在一組具有相關關系的變數的數據（x與Y）間，一條最好地反映x與y之間的關系直線。

離差作為表示Xi對應的回歸直線縱坐標y與觀察值Yi的差，其幾何意義可用點與其在回歸直線豎直方向上的投影間的距離來描述。數學表達：Yi-y^=Yi-a-bXi。

總離差不能用n個離差之和來表示，通常是用離差的平方和，即(Yi-a-bXi)^2計算。

線性回歸有很多實際用途。分為以下兩大類：

1、如果目標是預測或者映射，線性回歸可以用來對觀測數據集的和X的值擬合出一個預測模型。當完成這樣一個模型以後，對於一個新增的X值，在沒有給定與它相配對的y的情況下，可以用這個擬合過的模型預測出一個y值。

2、給定一個變數y和一些變數X1——>Xp，這些變數有可能與y相關，線性回歸分析可以用來量化y與Xj之間相關性的強度，評估出與y不相關的Xj，並識別出哪些Xj的子集包含了關於y的冗餘信息。

⑧ 計算線性回歸問題假設數據集 {2，3，4，5，6}求線性回歸的詳細計算過程，越詳細越好（初學理解用

摘要

⑨ 使用Python的線性回歸問題，怎麼解決

本文中，我們將進行大量的編程——但在這之前，我們先介紹一下我們今天要解決的實例問題。

1) 預測房子價格

閃電俠是一部由劇作家/製片人Greg Berlanti、Andrew Kreisberg和Geoff Johns創作，由CW電視台播放的美國電視連續劇。它基於DC漫畫角色閃電俠（Barry Allen），一個具有超人速度移動能力的裝扮奇特的打擊犯罪的超級英雄，這個角色是由Robert Kanigher、John Broome和Carmine Infantino創作。它是綠箭俠的衍生作品，存在於同一世界。該劇集的試播篇由Berlanti、Kreisberg和Johns寫作，David Nutter執導。該劇集於2014年10月7日在北美首映，成為CW電視台收視率最高的電視節目。

綠箭俠是一部由劇作家/製片人 Greg Berlanti、Marc Guggenheim和Andrew Kreisberg創作的電視連續劇。它基於DC漫畫角色綠箭俠，一個由Mort Weisinger和George Papp創作的裝扮奇特的犯罪打擊戰士。它於2012年10月10日在北美首映，與2012年末開始全球播出。主要拍攝於Vancouver、British Columbia、Canada，該系列講述了億萬花花公子Oliver Queen，由Stephen Amell扮演，被困在敵人的島嶼上五年之後，回到家鄉打擊犯罪和腐敗，成為一名武器是弓箭的神秘義務警員。不像漫畫書中，Queen最初沒有使用化名」綠箭俠「。

由於這兩個節目並列為我最喜愛的電視節目頭銜，我一直想知道哪個節目更受其他人歡迎——誰會最終贏得這場收視率之戰。 所以讓我們寫一個程序來預測哪個電視節目會有更多觀眾。 我們需要一個數據集，給出每一集的觀眾。幸運地，我從維基網路上得到了這個數據，並整理成一個.csv文件。它如下所示。

閃電俠

閃電俠美國觀眾數

綠箭俠

綠箭俠美國觀眾數

1 4.83 1 2.84

2 4.27 2 2.32

3 3.59 3 2.55

4 3.53 4 2.49

5 3.46 5 2.73

6 3.73 6 2.6

7 3.47 7 2.64

8 4.34 8 3.92

9 4.66 9 3.06

觀眾數以百萬為單位。

解決問題的步驟：

首先我們需要把數據轉換為X_parameters和Y_parameters，不過這里我們有兩個X_parameters和Y_parameters。因此，把他們命名為flash_x_parameter、flash_y_parameter、arrow_x_parameter、arrow_y_parameter吧。然後我們需要把數據擬合為兩個不同的線性回歸模型——先是閃電俠，然後是綠箭俠。 接著我們需要預測兩個電視節目下一集的觀眾數量。 然後我們可以比較結果，推測哪個節目會有更多觀眾。

步驟1

導入我們的程序包：

Python

1

2

3

4

5

6

7

# Required Packages

import csv

import sys

import matplotlib.pyplot as plt

import numpy as np

import pandas as pd

from sklearn import datasets, linear_model

步驟2

寫一個函數，把我們的數據集作為輸入，返回flash_x_parameter、flash_y_parameter、arrow_x_parameter、arrow_y_parameter values。

Python

1

2

3

4

5

6

7

8

9

10

11

12

13

# Function to get data

def get_data(file_name):

data = pd.read_csv(file_name)

flash_x_parameter = []

flash_y_parameter = []

arrow_x_parameter = []

arrow_y_parameter = []

for x1,y1,x2,y2 in zip(data['flash_episode_number'],data['flash_us_viewers'],data['arrow_episode_number'],data['arrow_us_viewers']):

flash_x_parameter.append([float(x1)])

flash_y_parameter.append(float(y1))

arrow_x_parameter.append([float(x2)])

arrow_y_parameter.append(float(y2))

return flash_x_parameter,flash_y_parameter,arrow_x_parameter,arrow_y_parameter

現在我們有了我們的參數，來寫一個函數，用上面這些參數作為輸入，給出一個輸出，預測哪個節目會有更多觀眾。

Python

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

# Function to know which Tv show will have more viewers

def more_viewers(x1,y1,x2,y2):

regr1 = linear_model.LinearRegression()

regr1.fit(x1, y1)

predicted_value1 = regr1.predict(9)

print predicted_value1

regr2 = linear_model.LinearRegression()

regr2.fit(x2, y2)

predicted_value2 = regr2.predict(9)

#print predicted_value1

#print predicted_value2

if predicted_value1 > predicted_value2:

print "The Flash Tv Show will have more viewers for next week"

else:

print "Arrow Tv Show will have more viewers for next week"

把所有東西寫在一個文件中。打開你的編輯器，把它命名為prediction.py，復制下面的代碼到prediction.py中。

Python

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

# Required Packages

import csv

import sys

import matplotlib.pyplot as plt

import numpy as np

import pandas as pd

from sklearn import datasets, linear_model

# Function to get data

def get_data(file_name):

data = pd.read_csv(file_name)

flash_x_parameter = []

flash_y_parameter = []

arrow_x_parameter = []

arrow_y_parameter = []

for x1,y1,x2,y2 in zip(data['flash_episode_number'],data['flash_us_viewers'],data['arrow_episode_number'],data['arrow_us_viewers']):

flash_x_parameter.append([float(x1)])

flash_y_parameter.append(float(y1))

arrow_x_parameter.append([float(x2)])

arrow_y_parameter.append(float(y2))

return flash_x_parameter,flash_y_parameter,arrow_x_parameter,arrow_y_parameter

# Function to know which Tv show will have more viewers

def more_viewers(x1,y1,x2,y2):

regr1 = linear_model.LinearRegression()

regr1.fit(x1, y1)

predicted_value1 = regr1.predict(9)

print predicted_value1

regr2 = linear_model.LinearRegression()

regr2.fit(x2, y2)

predicted_value2 = regr2.predict(9)

#print predicted_value1

#print predicted_value2

if predicted_value1 > predicted_value2:

print "The Flash Tv Show will have more viewers for next week"

else:

print "Arrow Tv Show will have more viewers for next week"

x1,y1,x2,y2 = get_data('input_data.csv')

#print x1,y1,x2,y2

more_viewers(x1,y1,x2,y2)

可能你能猜出哪個節目會有更多觀眾——但運行一下這個程序看看你猜的對不對。

3) 替換數據集中的缺失值

有時候，我們會遇到需要分析包含有缺失值的數據的情況。有些人會把這些缺失值捨去，接著分析；有些人會用最大值、最小值或平均值替換他們。平均值是三者中最好的，但可以用線性回歸來有效地替換那些缺失值。

這種方法差不多像這樣進行。

首先我們找到我們要替換那一列里的缺失值，並找出缺失值依賴於其他列的哪些數據。把缺失值那一列作為Y_parameters，把缺失值更依賴的那些列作為X_parameters，並把這些數據擬合為線性回歸模型。現在就可以用缺失值更依賴的那些列預測缺失的那一列。

一旦這個過程完成了，我們就得到了沒有任何缺失值的數據，供我們自由地分析數據。

為了練習，我會把這個問題留給你，所以請從網上獲取一些缺失值數據，解決這個問題。一旦你完成了請留下你的評論。我很想看看你的結果。

個人小筆記：

我想分享我個人的數據挖掘經歷。記得在我的數據挖掘引論課程上，教師開始很慢，解釋了一些數據挖掘可以應用的領域以及一些基本概念。然後突然地，難度迅速上升。這令我的一些同學感到非常沮喪，被這個課程嚇到，終於扼殺了他們對數據挖掘的興趣。所以我想避免在我的博客文章中這樣做。我想讓事情更輕松隨意。因此我嘗試用有趣的例子，來使讀者更舒服地學習，而不是感到無聊或被嚇到。

謝謝讀到這里——請在評論框里留下你的問題或建議，我很樂意回復你。