1、利用pandas输入数据集。
import pandas as pd
df=pd.DataFrame({'weight':[51,53,54,55,57,60,62,65,69,72],'height':[152,156,160,164,168,172,176,180,184,188]})
2、导入线性回归模型的机器学习包
from sklearn import linear_model
3、定义X，y变量。
X=pd.DataFrame(df['weight'])
y=df['height']
注意：这里的X是一个数据框，因为是一组数据，需要pd.DataFrame进行转换。
4、建立线性回归模型，并将变量带入模型进行训练。
clf = linear_model.LinearRegression()
clf.fit(X, y)
5、查看回归系数。本例为一元回归,所以只有一个系数。
print('回归系数: \n', clf.coef_)
6、预测y值。
y_pred =clf.predict(X)
print(y_pred)
7、绘制拟合图。
import matplotlib.pyplot as plt
plt.scatter(X, y, color='red') #真实值散点图
plt.plot(X,y_pred, color='blue', linewidth=1.5) #线性回归预测趋势线
plt.show()
