第L2周：机器学习-线性回归

• 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
• 🍖 原作者：K同学啊

目标：

1. 学习简单线性回归模型和多元线性回归模型

2. 通过代码实现：通过鸢尾花花瓣长度预测花瓣宽度
   具体实现 ：
   （一）环境 ：
   语言环境 ：Python 3.10
   编 译 器: PyCharm
   框 架 ：scikit-learn
   （二）具体步骤：
   造个数据集，内容格式如下：
   
   导入库

   import pandas as pd
   import numpy as np
   import matplotlib.pyplot as plt

简单线性回归

# 加载数据
dataset = pd.read_csv('./studentscores.csv')  
print(dataset)

# 取第一列Hours的值
X = dataset.iloc[:, :1].values  
print(X)

# 取第二列Scores的值
Y = dataset.iloc[:, 1].values  
print(Y)

很好奇，看看X，Y的形状：

print(X.shape)
print(Y.shape)

看来两者是一样的形状和大小 。继续：

# 切分一下数据集，75%用来训练，25%用来测试
from sklearn.model_selection import  train_test_split  
X_train, X_test, Y_train, Y_test = train_test_split(X, Y,  
                                                    test_size=1/4,  
                                                    random_state=0)

检验一下切分的成果：

print(X_train, X_train.shape)

print(Y_train, Y_train.shape)

print(X_test, X_test.shape)
print(Y_test, Y_test.shape)

做简单线性回归

# 简单线性回归  
from sklearn.linear_model import LinearRegression  
  
regressor = LinearRegression()  
regressor = regressor.fit(X_train, Y_train)

# 预测一下结果  
Y_pred = regressor.predict(X_test)  
  
print(Y_pred, Y_pred.shape)

这个预测结果和上面的Y_test比较一下，可以看到两者之间的差距以及相似性。我们进行可视化直观看看：

# 训练集可视化  
plt.scatter(X_train, Y_train, color='red')  
plt.plot(X_train, regressor.predict(X_train), color='blue')  
plt.show()

**

# 测试集预测结果可视化  
plt.scatter(X_test, Y_test, color='red')  
plt.plot(X_test, regressor.predict(X_test), color='blue')  
plt.show()

红点是实际分布，蓝色线是预测趋势线。两者是趋于一致的，预测的偏离并不大。

注：plt.scatter()绘制散点图，plt.plot()绘制折线图。

下面看看多元线性回归，通过鸢尾花花瓣长度预测花瓣宽度

1. 导入数据集

   url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
   names = ['花萼-length', '花萼-width', '花瓣-length', '花瓣-width', 'class']
   dataset = pd.read_csv(url, names=names)
   print(dataset)

2. 分析一下数据

   plt.plot(dataset['花萼-length'], dataset['花瓣-width'], 'x', label="marker='x'")
   plt.plot(dataset['花萼-width'], dataset['花瓣-width'], 'o', label="marker='o'")
   plt.plot(dataset['花瓣-length'], dataset['花瓣-width'], 'v', label="marker='v'")
   plt.legend(numpoints=1)
   plt.show()

3. 取数据

   取[花萼-width : 花瓣-length]

   X = dataset.iloc[:, [1, 2]].values
   print(X, X.shape)

Y = dataset.iloc[:, 3].values  # 取花瓣-width值  
print(Y, Y.shape)

3. 将dataset切分成训练数据集和测试数据集

   from sklearn.model_selection import train_test_split
   X_train, X_test, Y_train, Y_test = train_test_split(X, Y,
   test_size=0.2,
   random_state=0)

4. 训练多元线性回归模型

   from sklearn.linear_model import LinearRegression
   regressor = LinearRegression()
   regressor.fit(X_train, Y_train)

5. 在测试集上预测结果

   y_pred = regressor.predict(X_test)
   print(y_pred)

6. 把测试集预测结果可视化

   plt.scatter(Y_test, y_pred, color='red')
   plt.plot(Y_test, Y_test, color='blue') # 假设预测100%正确,那么走势是蓝线
   plt.plot(Y_test)
   plt.xlabel("True")
   plt.ylabel("Prediction")
   plt.show()