Python全系列 教程
3567个小节阅读:5930.2k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
通常来说,IT行业收入都会随着工作年限的增长而增长,本节通过一元线性回归模型来
探寻工作年限对收入的影响,也即搭建收入预测模型。
ximport pandas as pd
# 读取数据
df = pd.read_excel('IT行业收入表.xlsx')
df.head()
# 提取特征(工龄)与标签(薪水)
X = df[['工龄']]
y = df['薪水']
# 绘制散点图
from matplotlib import pyplot as plt
# 用来正常显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.scatter(X,y)
plt.xlabel('工龄')
plt.ylabel('薪水')
plt.show()
# 模型搭建
from sklearn.linear_model import LinearRegression
regr = LinearRegression()
regr.fit(X,y) # 训练模型
# 模型可视化
plt.scatter(X,y)
plt.plot(X, regr.predict(X), color='red')
plt.xlabel('工龄')
plt.ylabel('薪水')
plt.show()
# 线性回归方程构造
print('系数a为:' + str(regr.coef_[0]))
print('截距b为:' + str(regr.intercept_))
1. matplotlib用来正常显示中文的代码是:
A plt.rcParams['font.sans-serif'] = ['SimHei']
B plt.plot()
C plt.scatter()
D plt.show()
2. 使用LinearRegression对象获取线性回归方程的截距的属性是_______:
A coef_
B intercept_
C fit
D score
1=>A 2=>B