分享2個超實用的線性迴歸分析操作教程，有手就會！

資料探勘有很多重要的方法，線性迴歸分析就是其中之一。我們在高中和大學都有接觸過線性迴歸的概念，這裡就不贅述了。本文也不會涉及到有關數學理論方面的知識，還是以應用場景、操作方法的介紹為主。

 

 

一、應用場景：

首先，一起來了解一下線性迴歸分析的作用。在我們的日常生活中，線性迴歸分析是會被常常用到的。運用線性迴歸分析，我們可以瞭解到兩組資料間有沒有存在相關性。如，當我們想知道廣告費用的投入對銷售額增長的影響程度時，就可以運用。公司應不應該加大廣告費投入，如果未來投入一定的廣告費用，預測銷售額可以達到多少…這一系列問題都可以通過線性迴歸分析去得出答案。

 

 

線性迴歸分析方法運用的前提是要具備兩組以上的資料，然後就可以開始應用檢驗啦。下面給大家演示一下線性迴歸分析的方法、操作過程，用到的工具是Python。

 

二、Python實現過程：

第1步：資料匯入

首先要做的就是把本地的EXCEL或者CSV檔案讀取到Python裡，我們可以引用pandas庫去讀取資料：

 

 

待資料讀取成功後，我們需要對資料進行確認，用到的方法是將列印資料與EXCEL資料進行對比：

 

 

第2步：計算相關係數

如上文所說，線性迴歸分析的前提是要有2組資料。在數學上通常是用皮爾遜相關係數來進行檢驗，這個數值越接近1，就代表兩組資料越具有相關性，我們可以用corr這個函式來對廣告費以及銷售額進行檢驗：

 

 

然後，列印data1，可見相關係數的值就已經得出了。資料為0.93，與1非常接近，有資料可知這2組資料的相關性是非常高的：

 

   

第3步：畫圖

為了更加直觀地對這兩組資料進行呈現，我們可以畫一個散點圖，接入matplotlib，X軸為廣告費用，Y軸為銷售額設定。接著利用plot（）函式來畫圖，最後利用show（）函式進行圖表呈現：

 

 

列印一下，我們看看圖形的效果，從圖中可以看中，散點圖點排列基本在一條直線上的，由此可知廣告費用與銷售額是呈正相關的，廣告費用越多，銷售額也會隨之增長，這也對我們上面計算出來的相關係數提供了一個非常好的佐證：

 

第4步：建立線性迴歸模型

用y=ks+b公式表示線性迴歸的方程，X為自變數、Y為因變數、K為斜率、b為直線在軸上的截距。接入sklearn庫，對著上面的資料建立線性迴歸模型，sklearn庫主要是進行機器學習。先利用LinearRegression()物件定義，再利用fit（）函式對X、Y的值進行模型訓練，最後輸出coef_，代表k值、是intercept_，代表b值兩個資料：

 

 

 

輸出後的資料如下，k是17.3，b是291.9：

 

 

利用score（）函式對模型的擬合程度進行檢驗，當數值越接近1，就代表該模型的擬合程度越好：

 

 

計算結果出來了，0.879，已經非常接近1了，可見模型的擬合程度很好，能投入到實際應用中去使用：

 

 

第5步：資料預測

k和b的值也出來了，現在只需要x的值就能夠推算得出y值資料，現在我們可以利用這個原理去對資料進行預測。這裡可以利用predict（）函式接入一個引數對資料進行預測，例如下面我們看看廣告費在20萬的時候，銷售額預計會有多少：

 

 

 

最後算出來的銷售額是638萬：

 

 

 

三、後續建議

從python的實現過程來看，通過寫程式碼的形式能夠實現線性迴歸分析的整個過程，但是畢竟大部分小夥伴都沒有接觸過這門程式語言，如果真要用python去做的話可能會難度比較大。那麼有沒有更加簡潔一點的方法呢？當然有！再給大家介紹一個更加簡便的方法，用到的工具是smartbi。

 

 

當前介面為資料探勘介面，工具欄位於介面的左邊，可以看到工具欄上的元件有很多。這個也就是ETL工作介面，ETL常應用於資料清洗上。ETL的資料來源治理能力非常出色。如果把ETL和資料探勘結合起來，必然可以大幅提高資料分析的效率。

 

 

 

第一步要做的是先把資料來源讀取到ETL的介面裡，我們可以把EXCEL檔案這個元件拖拽進來，並把上面的廣告費用的EXCEL檔案讀取進來：

 

 

 

如果EXCEL檔案中存在著多個sheet，還需要把讀取Excelsheet這個元件拖拽進來，並讀取您的目標sheet：

 

 

完成資料讀取後，預覽資料來源:

 

 

接下來是廣告費用、銷售額的相關係數計算，將相關性分析的元件拖拽進來，將其和上面的元件進行連線：

 

 

滑鼠選中相關係分析，在右邊的待選列裡把銷售額和廣告費用選中，並移動到右邊：

 

 

檢視輸出效果，只需要點選廣告費用、銷售額的中間區域，相關性係數為0.94。該資料與Python計算結果一致：

 

 

 

由於篇幅有限，散點圖、資料預測等其他功能實現的方法就不多做介紹了，有興趣的小夥伴可以自行去研究一下。