本文已参加「新人创作礼」流动，一起开启掘金创作之路。 实践上，一个人的身高除了随年纪变大而增长之外，在肯定水平上还受遗传和饮食习惯以及其余因素的影响，然而饮食等其余因素对身高的影响很难掂量。咱们能够把问题简化一下，假设一个人的身高只受年龄、性别、父母身高、祖父母身高，外祖父母身高这几个因素的影响，并假设大抵合乎线性关系。
import copyimport numpy as npfrom sklearn import linear_model# 儿童年龄,性别(0女1男),父亲身高,母亲身高,祖父身高,祖母身高,外祖父身高,外祖母身高x = np.array([[1, 0, 180, 165, 175, 165, 170, 165], [3, 0, 180, 165, 175, 165, 173, 165], [4, 0, 180, 165, 175, 165, 170, 165], [6, 0, 180, 165, 175, 165, 170, 165], [8, 1, 180, 165, 175, 167, 170, 165], [10, 0, 180, 166, 175, 165, 170, 165], [11, 0, 180, 165, 175, 165, 170, 165], [12, 0, 180, 165, 175, 165, 170, 165], [13, 1, 180, 165, 175, 165, 170, 165], [14, 0, 180, 165, 175, 165, 170, 165], [17, 0, 170, 165, 175, 165, 170, 165]])# 儿童身高，单位：cmy = np.array([60, 90, 100, 110, 130, 140, 150, 164, 160, 163, 168])# 创立线性回归模型lr = linear_model.LinearRegression()# 拟合lr.fit(x, y)# 测试数据集xs = np.array([[10, 0, 180, 165, 175, 165, 170, 165], [17, 1, 173, 153, 175, 161, 170, 161], [34, 0, 170, 165, 170, 165, 170, 165]])for item in xs: # 深复制，假如超过18岁当前就不再长高了 item1 = copy.deepcopy(item) if item1[0] > 18: item1[0] = 18 item2 = item1.reshape(1, -1) # 将数组转换化为一行 pre_y = lr.predict(item2) # 获取预测身高 print(item, ':', str(pre_y))print(lr.coef_) # 线性回归函数的系数print(lr.intercept_) # 线性回归函数的截距i = 1Y = "Y = "for b in lr.coef_: Y += str(b) + " * X" + str(i) + "\n + " i += 1Y += str(lr.intercept_)print(Y) # 模型的线性回归函数方程依据测试集预测儿童身高
多元线性回归模型：
线性回归函数的系数 （获取B1.....Bk）
线性回归函数的截距 （获取截距B0）
依据线性回归函数的系数和截距，失去模型的线性回归函数方程