一、实验目的

使用Python程序包sklearn.linear_model函数LinearRegression ()，建立简单回归模型。
使用实验3 经R单位转换操作后的数据集women建立数据模型。
使用Python建立的线性回归模型与函数predict()，进行新数据预测。
数据导出操作包括导出数据csv文件、保存Python绘图图片。
二、实验内容
说明 1: 已知R原始数据集women有15名妇女的数据，如下表所示。

序号	身高（英寸）	体重（磅）	序号	身高（英寸）	体重（磅）
1	58	9	9	66	139
2	59	10	10	67	142
3	60	11	11	68	146
4	61	12	12	69	150
5	62	13	13	70	154
6	63	14	14	71	159
7	64	15	15	72	164
8	65	16

说明3: 使用实验3 经R将身高与体重变量的单位，由英制转为公制单位转换操作后的数据集women，建立数据模型。
说明4: 将说明3的数据，使用Python建立的线性回归模型与函数predict()，进行新数据预测。
说明5: 保存图片: 保存为PNG格式。
说明6: 使用Python建立的线性回归模型与函数predict()，使用身高height=172新数据进行体重weight预测。

三、实验报告

1. 实验环境：

Win 10

2. 实验内容与完成情况：

1）实验源代码

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
urlf=”你的工作目录/women.txt”
women=pd.readcsv(urlf, sep=’\s+’)
from sklearn.linear_model import LinearRegression
model=LinearRegression(fit_intercept=True)
x=women[‘height’];y=women[‘weight’]
model.fit(x[:, np.newaxis], y)
xfit = np.linspace(140, 190, 100)
yfit = model.predict(xfit[:, np.newaxis])
plt.plot(xfit, yfit);
plt.scatter(x, y);
print(“Model slope: “, model.coef[0])
print(“Model intercept:”, model.intercept_)
print(‘預測 height=172, weight為:’,
model.predict(np.array([[172,]])))