根据线性回归模型预测儿童身高

​本文已参加「新人创造礼」活动，一起开启创造之路。

理论上，一个人的身高除了随年纪变大而增长之外，在一定程度上还受遗传和饮食习惯以及其他要素的影响，可是饮食等其他要素对身高的影响很难衡量。咱们能够把问题简化一下，假定一个人的身高只受年纪、性别、爸爸妈妈身高、祖爸爸妈妈身高，外祖爸爸妈妈身高这几个要素的影响，并假定大致契合线性关系。

import copy
import numpy as np
from sklearn import linear_model
# 儿童年纪,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：cm
y = np.array([60, 90, 100, 110,
              130, 140, 150, 164,
              160, 163, 168])
# 创建线性回归模型
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，假定超越18岁今后就不再长高了
    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)  # 获取猜测身高
    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 = 1
Y = "Y = "
for b in lr.coef_:
    Y += str(b) + " * X" + str(i) + "\n + "
    i += 1
Y += str(lr.intercept_)
print(Y)  # 模型的线性回归函数方程

依据测试集猜测儿童身高

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，得到模型的线性回归函数方程

​