(Python)线性回归..doc

线性回归自动分析 By Toby: ＱＱ：231469242 欢迎共同爱好者交流，并改进代码。 本人用Python代码写出线性回归自动分析程序，秒杀。 程序包含残差函数，用于检测输入错误数据。 还包含r函数，可以把其它函数转换成一元线性。 此程序还可以用numpy改进，提高算法优越性。 简介： 线性回归可以对大数据进行分析和预测，数据量越大，预测越准。 适用于科学实验，生物数据分析，商业数据分析，股票走势分析。 #目录： #1.单词 #2.排列函数：def A(a,b) #3.组合函数：def C(a,b) #4.概率 #5.利润 #6.Bernoulli distribution 两点分布 #7.Binomial distribution 二项式分布 #8.hypergeometric distribution 超几何分布 #9.数学期望值 mathematical expectation #10.方差 variance #11.标准差 standard deviation #12.正太分布 normal distribution #13.独立性检验test for independence #14.一元线性回归 #r^2自动判断模型是否合适 #residual判断错误值 #其它函数转换成一元线性回归 #1.单词 #排列permutation，组合combination，阶乘factorial 概率probability import math,pylab,numpy #2.排列函数 #a,b,number,total are all numbers def A(a,b): # b=a return math.factorial(b)/math.factorial(b-a) #3.组合函数 def C(a,b): # b=a return math.factorial(b)/(math.factorial(b-a)*math.factorial(a)) #4.概率 def probability(number,total): return round(number/float(total),8) #5.利润 def profit(gain,cost): return gain-cost #6.Bernoulli distribution 两点分布 #p表示成功概率，q表示失败概率 #返回成功概率 #p概率必须小于等于1 def Bernoulli_distribution(p): if p=1: return p else: print proberbility must less or equal than 1 #7.Binomial distribution 二项式分布 # n表示实验次数 # x表示成功次数 # p表示成功概率 #必须是独立事件 def Binomial_distribution(n,x,p): if p =1: return C(x,n)*(p**x)*((1-p)**(n-x)) else: print proberbility must less or equal than 1 #8.hypergeometric distribution 超几何分布 #total 表示样品总数 # class_1 表示某类样品数量 # getout 表示取出数量总数 # class_1_out 取出某类样品数量 def hypergeometric_distribution(total,class_1,getout,class_1_out): return C(class_1_out,class_1)*C((getout-class_1_out),(total-class_1))/float(C(getout,total)) #9.数学期望值 mathematical expectation #（0）标准型 #概率输入规范1/6写成1.0/6 #日后改进list_probability=[1.0/len(list_variable)]*len(list_variable) def Expectation(list_variable,list_probability): if len(list_variable)!=len(list_probability): print input erro