人为地增加一个值并观察对另一个值的影响- Python

Question

我有两列，我想在其中人为地将 A 列的值增加到 1000，以查看 B 列中的值会发生什么变化。

数据

A           B
500         20
200         10
100         5

需要

A           B
500        20
200        10
100        5
1000       ?

我希望人为地将 A 列的值增加到 1000，以查看 B 列中的值会发生什么变化。

正在做

使用 python 我将测试相关性。将其视为线性回归问题。

pyplot.scatter(x = ‘A’, y = ‘B’, s= 100)
pyplot.show()

然后我想我可以使用线性回归来确定如果我增加 A 的相关值，B 的值是多少。只是不确定如何输入假设 A 值。

import numpy as np
from sklearn.linear_model import LinearRegression

x = np.array([500,200,100]).reshape((-1, 1))
y = np.array([20,10,5])

欢迎任何建议

Answer 1

您首先需要创建并拟合一个模型，然后才能使用它进行预测。

import numpy as np
from sklearn.linear_model import LinearRegression
x = np.array([500,200,100])
y = np.array([20,10,5])
reg = LinearRegression().fit(x, y)
reg.predict(np.array([1000]))

图表可能会有所帮助。在这种情况下，没有严格的线性关系，但我们正在做出最佳猜测。有点像电脑画一条最合适的线。

此处，最佳拟合线的方程为 Y = 0.03654*X + 1.923。进行预测只是将另一个 X 值代入此公式以找到相应的 Y 坐标。

人为地增加一个值并观察对另一个值的影响- Python

Artificially increase one value and observe affects on another- Python

python

numpy

matplotlib

data-science

linear-regression