用线性回归分析数据

之前研究过基于「线性回归+卡尔曼滤波」的油位监控方法，最近把当时的MATLAB代码又找出来看，并用Python重新实现了一下，下面是线性回归部分：

MATLAB代码

回归函数：

执行回归并画图：

执行结果：

MATLAB中regress函数可以用来作多维线性回归分析，一元线性回归是多维线性回归的特殊情况，其返回的是一个1x4的向量stats，其元素依次为判定系统、统计量的观测值、检验的p值和误差方差的估计值。

Python代码

回归及画图函数：

测试：

执行结果：

在scikit-learn.org网站上可以看到，Regression包含了很多内容：Generalized Linear Models、Linear and Quadratic Discriminant Analysis、Kernel ridge regression、Support Vector Machines、Stochastic Gradient Descent、Naive Bayes、Decision Trees、Neural network models等。

今天说的是Generalized Linear Models的一种方法：Ordinary Least Squares，使用的是linear_model.LinearRegression()方法，LinearRegression有四个默认参数：

LinearRegression(copy_X=True, fit_intercept=True, n_jobs=1, normalize=False)

fit_intercept 是否对数据进行中心化。

normalize 是否对数据进行标准化处理。

copy_X 是否对X复制。

n_jobs 计算时设置的任务个数