线性回归模型分析学生成绩-Toy模板网

这篇具有很好参考价值的文章主要介绍了线性回归模型分析学生成绩。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

LinearRegression 是线性回归模型的实现类；

train_test_split 用于将数据集分成训练集和测试集；

cross_val_score 用于交叉验证；

r2_score 用于评估模型在测试集上的预测性能。

corr_matrix = df.corr() print(corr_matrix)

使用 corr() 方法计算各个特征之间的相关系数，并打印输出。

X = df[['Midterm', 'Quiz']] Y = df['Final']

选取 Midterm 和 Quiz 两个特征作为自变量 X，选取 Final 作为因变量 Y。

X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2)

使用 train_test_split 方法将数据集划分成训练集和测试集，并按照 8:2 的比例划分，其中测试集占比为 20% 。

model = LinearRegression() scores = cross_val_score(model, X_train, Y_train, cv=3)

使用 LinearRegression() 创建一个线性回归模型，并使用 cross_val_score 进行 3 折交叉验证，并将分数保存在 scores 中。

model.fit(X_train, Y_train) Y_pred = model.predict(X_test) r2 = r2_score(Y_test, Y_pred)

使用 fit 方法在训练集上拟合数据，使用 predict 方法在测试集上进行预测，使用 r2_score 方法评估模型在测试集上的预测性能。

X_new = [[80, 90]] Y_new = model.predict(X_new)

构造一个 X_new 数据，包含期中考试成绩为 80 分、小测成绩为 90 分的一位学生，并使用以上步骤训练出来的模型进行预测。文章来源地址https://www.toymoban.com/news/detail-455944.html

到了这里，关于线性回归模型分析学生成绩的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

线性回归模型分析学生成绩