《数据挖掘与机器学习》 课件3.1.1 一元线性回归.pptx

构建建筑工程混凝土抗压强度检测模型建筑工程混凝土抗压强度检测——线性回归

任务描述一元线性回归是一种回归分析方法，可以用于建模、预测等领域。在建筑工程中需要对混凝土抗压强度进行检测，以保证建筑物的结构安全。传统的混凝土抗压强度检测方法需要进行大量的试验和实测，费时费力，且存在一定的误差。并且由于检测模型包含的参数较多，如何从数据中估计众多参数，使得模型更接近实际也是重难点。因此，利用机器学习技术构建混凝土抗压强度检测模型，可以提高检测效率和准确性，节省人力和物力，推进新型工业化，加快建设制造强国、质量强国。为助力中国“基建狂魔”继续享誉于全世界而添砖加瓦。

任务要求使用sklearn库建立一元线性回归模型。利用Matplotlib库实现结果的可视化。

一元线性回归

一元线性回归什么是一元线性回归？一元线性回归是一种基本的回归方法，用于建立单个 与之间的线性关系通过拟合这条直线来预测未知的因变量值。??身高体重??

一元线性回归点表示样本点直线表示一元线性回归的趋势线通过拟合曲线可以对目标问题的数据进行相应的预测??身高体重

一元线性回归???截距b趋势线的斜率a??????????

一元线性回归如何进行建模与求解？在Python中，使用sklearn库中linear_model模块的LinearRegression类可以建立线性回归模型。LinearRegression类常用的参数及其说明如下。参数名称说明fit_intercept接收bool。表示是否有截据，若没有则直线过原点。默认为Truenormalize接收bool，表示是否将数据归一化，默认为Falsecopy_X接收bool，表示是否复制数据表进行运算，默认为Truen_jobs接收int，表示计算时使用的核数，默认为1

一元线性回归为了解儿童的身体发育情况，现有某幼儿园学生的身高体重数据，需建立学生身高与体重之间的回归模型。政府提出一系列政策鼓励儿童参与体育运动，提高身体素质。

一元线性回归确定自变量和因变量身高与体重间存在线性关系因变量自变量

一元线性回归构建与求解儿童身高体重模型主要通过以下4个步骤实现。确定样本值使用LinearRegression()类建立线性回归模型计算系数和截距对结果进行可视化

一元线性回归其中表示样本点学生的身高体重数据趋势可以拟合为一条直线，且样本点均匀的分布在直线两端。学生的身高和体重具有正线性相关性，体重越重，身高越高；体重越轻，身高越矮。