简单线性回归

回归是统计中的明珠。利用回归我们可以预测反应变量的值。简单的线性回归就是利用独立的简单变量预测一个反应变量。

其假设反应变量和自变量之间具有很强的相关性,这个可以通过相关分析得出。利用最小二乘法计算出参数,就可以通过模型来预测其他值。

setp 1:数据预处理

包括导入必须的包、导入必须的数据、处理异常值、数据集分割、对数据进行特征缩放、对分类数据进行编码。

import pandas as pd#导入包

import numpy as np

import matplotlib.pyplot as plt

dataset = pd.read_csv("studentscores.csv")

X = dataset.iloc[:,:1].values; Y = dataset.iloc[:,1].values#导入数据

from sklearn.model_selection import train_test_split#分割数据集

X_train,X_test,Y_train,Y_test = train_test_split(X,Y,test_size=1/4,random_state=0)

setp 2:利用训练数据训练简单线性回归模型

在sklearn.learn_mode 中,导入 LinearRegression ,可以用来创建线性回归模型,使用fit()方法去训练模型。

PS.在很多模型中,都是使用fit()来训练模型的。

from sklearn.linear_model import LinearRegression#导入线性回归模型类

regressor = LinearRegression()#初始化模型

regressor = regressor.fit(X_train,Y_train)#训练模型

setp 3:利用回归模型预测结果

模型训练结束后,我们并不知道模型的精度如何,因此使用测试集用来测试,也就是用测试集做预测。使用LinerRegression类中的predict()方法预测值。

PS.在很多模型中,都是使用predict()方法预测值。

Y_pred = regressor.predict(X_test)#预测

setp 4:可视化

对于数据,结果非常不直观,我们需要将数据可视化,也就是做成图表,更加直观。在任何行业都有可视化的工作。在这里,我们使用matplotlib.pyplot 包 画图。听名字大家都知道,这是在matlab的画图工具中继承过来的。我们可以画出散点图scatter()来查看训练结果。

当然,除了matplot包之外,还有plotyy,seaborn,等等,绘图超好看!!!

plt.scatter(X_train,Y_train,color = 'red')

plt.plot(X_train,regressor.predict(X_train),color='blue')

plt.scatter(X_train,Y_train,color = 'red')
plt.plot(X_train,regressor.predict(X_train),color='blue')
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 151,829评论 1 331
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 64,603评论 1 273
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 101,846评论 0 226
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 42,600评论 0 191
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 50,780评论 3 272
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 39,695评论 1 192
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,136评论 2 293
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 29,862评论 0 182
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 33,453评论 0 229
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 29,942评论 2 233
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,347评论 1 242
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 27,790评论 2 236
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,293评论 3 221
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,839评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,448评论 0 181
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 34,564评论 2 249
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 34,623评论 2 249

推荐阅读更多精彩内容