python 编程 线性回归，散点图，拟合结果，预测

Question

把以下数据制作成csv数据文件,并命名为LR_data_exam.csv。 对该文件内的数据进行线性回归 画出数据的散点图 建立线性回归模型并拟合 打印拟合结果(参数) 画出数据和拟合直线的图 用model.predict预测x为10,20,30时的结果 用拟合参数预测x为40,50,60时的结果 battery,KM 2,12 5,31 8,45 8,52 13,79 15,85 17,115 19,119 21,135 24,145

Answer 1

import numpy as np
import csv
import matplotlib.pyplot as plt
class MLR:
    def __init__(self,x,y,intercept=True):
        self.x=x
        self.y=y
        self.ic=intercept
    def fit(self):
        if self.ic:
            ones=np.ones(self.x.shape)
            X=np.c_[ones,self.x]
        else:
            X=self.x
        y=self.y
        self.a=np.linalg.inv(X.T@X)@X.T@y
    def predict(self,x_new):
        if self.ic:
           ones=np.ones(x_new.shape)
           x=np.c_[ones,x_new] 
        else:
            x=x_new
        y=x @ self.a
        return y

            
data=np.loadtxt('LR_data_exam.csv', delimiter=',', skiprows=1)
x=data[:,0:-1]
y=data[:,-1:]
model = MLR(x,y)
model.fit() #回归
k = float(model.a[1])
b = float(model.a[0])

plt.scatter(x,y)
t = np.linspace(0,25,100)
plt.plot(t, k*t+b)
plt.show()
print("斜率：{}\n截距：{}".format(k,b))

print(model.predict(np.array([10,20,30])).flatten())
print(k*np.array([40,50,60])+b)