线性回归模型预测案例

# 导入库

import numpy as np

import pandas as pd

from sklearn import linear_model

from sklearn.model_selection import train_test_split

from pyecharts import EffectScatter

# 读入Excel数据

Excel0=pd.DataFrame(pd.read_excel('data.xlsx'))

作图前准备好数据参数

X=Excel0["UV"].values.reshape(306,1)

Y=Excel0["销售额"].values.reshape(306,1)

# 利用pyecharts生成散点图，观察数据特征

es=EffectScatter('销售预测')

es.add('',X,Y)

es

通过观察图像现在线性回归模型

一次线性函数 y=ax+b 中，a为斜率，b为截距

预测自变量（UV）为84670时，销售额为700

预测自变量（UV）为8467000时，

本学习过程部分参考以下书籍内容，实用好书推荐给大家：