1. 统计量：描述数据特征
- 集中趋势衡量
-
均值（平均数，平均值）（mean）
{6, 2, 9, 1, 2}
(6 + 2 + 9 + 1 + 2) / 5 = 20 / 5 = 4
- 中位数 （median）
将数据中的各个数值按照大小顺序排列，居于中间位置的变量
- 给数据排序：1， 2， 2， 6， 9
找出位置处于中间的变量：2
当n为基数的时候：直接取位置处于中间的变量
当n为偶数的时候，取中间两个量的平均值
众数 （mode）
数据中出现次数最多的数离散程度衡量
-
方差（variance)
{6, 2, 9, 1, 2}
① (6 - 4)^2 + (2 - 4) ^2 + (9 - 4)^2 + (1 - 4)^2 + (2 - 4)^2
= 4 + 4 + 25 + 9 + 4
= 46
② n - 1 = 5 - 1 = 4
③ 46 / 4 = 11.5
-
标准差 (standard deviation)
s = sqrt(11.5) = 3.39
2. 介绍
回归(regression) Y变量为连续数值型(continuous numerical variable)
如：房价，人数，降雨量分类(Classification): Y变量为类别型(categorical variable)
如：颜色类别，电脑品牌，有无信誉
简单线性回归(Simple Linear Regression)
很多做决定过程通常是根据两个或者多个变量之间的关系
回归分析(regression analysis)用来建立方程模拟两个或者多个变量之间如何关联
被预测的变量叫做：因变量(dependent variable), y, 输出(output)
被用来进行预测的变量叫做： 自变量(independent variable), x, 输入(input)
简单线性回归介绍
- 简单线性回归包含一个自变量(x)和一个因变量(y)
- 以上两个变量的关系用一条直线来模拟
- 如果包含两个以上的自变量，则称作多元回归分析(multiple regression)
简单线性回归模型
被用来描述因变量(y)和自变量(X)以及偏差(error)之间关系的方程叫做回归模型
-
简单线性回归的模型是:
简单线性回归方程
E(y) = β0+β1x
这个方程对应的图像是一条直线，称作回归线
其中，β0是回归线的截距
β1是回归线的斜率
E(y)是在一个给定x值下y的期望值（均值）
正向线性关系：
负向线性关系：
无关系
估计的简单线性回归方程
ŷ=b0+b1x
这个方程叫做估计线性方程(estimated regression line)
其中，b0是估计线性方程的纵截距
b1是估计线性方程的斜率
ŷ是在自变量x等于一个给定值的时候，y的估计值
线性回归分析流程：
关于偏差ε的假定
是一个随机的变量，均值为0
ε的方差(variance)对于所有的自变量x是一样的
ε的值是独立的
ε满足正态分布
简单线性回归模型举例：
汽车卖家做电视广告数量与卖出的汽车数量：
-
如何练处适合简单线性回归模型的最佳回归线？
-
计算
分子 = (1-2)(14-20)+(3-2)(24-20)+(2-2)(18-20)+(1-2)(17-20)+(3-2)(27-20)
= 6 + 4 + 0 + 3 + 7
= 20
分母 = （1-2）^2 + (3-2)^2 + (2-2)^2 + (1-2)^2 + (3-2)^2
= 1 + 1 + 0 + 1 + 1
=4
b1 = 20/4 =5
b0 = 20 - 5*2 = 20 - 10 = 10
-
预测：
假设有一周广告数量为6，预测的汽车销售量是多少？
x_given = 6
Y_hat = 5*6 + 10 = 40
- Python实现：
import numpy as np
def fitSLR(x, y):
n = len(x)
dinominator = 0
numerator = 0
for i in range(0, n):
numerator += (x[i] - np.mean(x)) * (y[i] - np.mean(y))
dinominator += (x[i] - np.mean(x)) ** 2
b1 = numerator / float(dinominator)
b0 = np.mean(y) / float(np.mean(x))
return b0, b1
def predict(x, b0, b1):
return b0 + x * b1
x = [1, 3, 2, 1, 3]
y = [14, 24, 18, 17, 27]
b0, b1 = fitSLR(x, y)
print("intercept:")
print(b0)
print("slope:")
print(b1)
x_test = 6
y_test = predict(6, b0, b1)
print("y_test:")
print(y_test)
