python 如何获取线性回归的T检验值

M是一个斜率，或者我们可以说是梯度。

B是y轴上的值截距。

Y是X的函数。回归模型是线性近似。为了获得良好的预测，我们需要找到B和M。

例子：

假设我们具有“能量”和“公里数”的适应性数据。

我们需要找到乙和中号。查找这些值得公式如下：

M =样本数*（XY总和-X总和* Y总和）/样本数*（X平方总和-X总和的平方）

B = Y总和-M * X总和/样本数

该图显示了这些值。

计算出该值之后，M变为1.89，B的值为0.667。从这些值，我们可以从公式中得出预测。

Y = 1.89 * X + 0.667

在检查了一些X值后，可以预测公里数。一个例子如下所示：

我们得到了模型，但是是一种简单的技术。让我们用python检查是否获得相同的值。

#import all the libraries
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import statsmodels.api as sm

读取Excel文件

df = pd.read_excel(“fitness.xlsx”)

使用describe函数查看统计信息。

将数据分为x和y。

y = df[‘Y1’]
x = df[‘X1’]
#plot the scatter plot between them
plt.scatter(x,y)
plt.xlabel(‘Energy’, fontsize =20)
plt.ylabel(‘Kms Covered’, fontsize =20)
plt.show()

我们几乎得到了线性相关。