手把手教你做線性迴歸分析，實用且通俗易懂!

線性迴歸分析是資料探勘裡一個非常重要的方法，相信大家以前在高中或者大學時都學過一點點線性迴歸的概念。在統計學中，線性迴歸（Linear Regression）是利用稱為線性迴歸方程的最小平方函式對一個或多個 和 之間關係進行建模的一種 。聽著有點複雜，簡單來說，就是看一組零散的資料是否存在相關性。線性迴歸分析涉及到的數學理論知識比較複雜，本文不會涉及到這些數學理論知識，僅是介紹應用場景以及製作方法，請大家放心食用。

一、應用場景：

在開始之前，我們先來了解一下線性迴歸分析有什麼用。線性迴歸分析在日常工作中運用非常廣泛，透過線性迴歸，我們可以用模型去描述兩組資料中是否存在相關性。例如在分析銷售資料時，我們經常要對廣告費用以及銷售額的關係進行判斷，評估廣告費用對銷售額的作用到底有多大，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透過線性迴歸分析去得出答案。

只要存在兩組以上的資料，我們都可以利用線性迴歸的方法去對其進行檢驗。下面我利用Python去對線性迴歸分析的方法和過程進行詳細的描述，力求以最簡潔語言帶你走進資料探勘的神秘大門。

二、Python實現過程：

第一步：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：

讀取成功後，我們先來列印看一下資料是否和EXCEL裡的是一致的：

第二步：計算相關係數

上面我們說過了，只要存在兩組資料，我們就可以檢驗其是否存在相關性，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：

接下來我們列印一下data1，大家可以看到相關係數的值已經算出來了，達到了0.93，非常接近1，說明這兩組資料具有非常高的相關性：

第三步：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，這時要引入另外一個庫：matplotlib，首先把廣告費用設定為X軸，把銷售額設定為Y軸，然後再利用plot（）函式進行畫圖，最後再利用利用show（）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，這個散點圖裡面所有點的排列基本是在一條直線上的，擬合的非常緊密，說明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：

第四步：建立線性迴歸模型

線性迴歸的方程我們可以用y=ks+b這個公式來表示，其中x是自變數，y是因變數，k是斜率，b是直線在軸上的截距。接下來我們就可以對上面的這組資料去建立線性迴歸模型，這裡要引用的是sklearn庫，這個庫是的主要作用是進行機器學習。首先先定義一個線性迴歸的物件LinearRegression()，然後再利用fit（）函式對X、Y的值進行模型訓練，最後要輸出兩個資料，一個是coef_，代表k值，另一個是intercept_，代表b值：

輸出後的資料如下，k是17.3，b是291.9：

這裡我們可以檢驗一下模型的擬合程度，這裡可以用score（）函式進行驗證，這個代表的意思是，數值越接近1，代表這個模型的擬合程度就越好：

結果算出來是0.879，說明模型的擬合程度非常好，可信度非常高，也就是可以投入到實際應用中去使用：

第五步：資料預測

從上面的步驟中我們得知了k和b的值，只要有x的值，那麼就可以算出y的值是多少了，通常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，雖然透過寫程式碼的形式可以把整個線性迴歸分析完美地實現了，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？答案是肯定的，下面我開始嘗試用smartbi這個工具對上面的流程進行簡化。

進入資料探勘的介面後，可以看到左邊的工具欄上有很多元件，這個就是ETL的工作介面。ETL在資料清洗上運用比較廣泛，可以把很多複雜、不規則的資料來源治理的井然有序。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Excel sheet這個元件拖拽進來，並讀取您的目標sheet：

讀取完成後，可以先對資料來源進行預覽：

我們先來計算一下廣告費用與銷售額的相關係數怎麼算出來的，在統計分析中我們可以看到相關性分析的元件，把它拖拽進來，並與上面的元件進行相連：

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

最後我們看一下執行後的輸出效果，點選廣告費用與銷售額中間的區域，可以看到相關性係數是0.94，這個資料和我們上面用Python算出來的結果是一致的：

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。