import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.datasets import load_diabetes
from sklearn.metrics import mean_squared_error, r2_score
import pandas as pd
设置中文显示
plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"]
plt.rcParams["axes.unicode_minus"] = False # 解决负号显示问题
加载糖尿病数据集
diabetes = load_diabetes()
X = pd.DataFrame(diabetes.data, columns=diabetes.feature_names)
y = pd.Series(diabetes.target, name='疾病进展')
划分数据集
Xtrain, Xtest, Ytrain, Ytest = train_test_split(X, y, test_size=0.3, random_state=42)
for i in (Xtrain, Xtest):
i.index = range(i.shape[0])
训练线性回归模型
reg = LinearRegression().fit(Xtrain, Ytrain)
yhat = reg.predict(Xtest)
1. 真实值 vs 预测值散点图
plt.figure(figsize=(10, 6))
plt.scatter(Ytest, yhat, alpha=0.6) # alpha设置透明度
plt.plot([Ytest.min(), Ytest.max()], [Ytest.min(), Ytest.max()], 'r--') # 理想预测线
plt.xlabel('真实疾病进展')
plt.ylabel('预测疾病进展')
plt.title('真实值与预测值对比')
plt.show()
2. 残差图（误差分布）
residuals = Ytest - yhat
plt.figure(figsize=(10, 6))
sns.histplot(residuals, kde=True, bins=30) # 直方图+核密度曲线
plt.xlabel('残差（真实值-预测值）')
plt.ylabel('频数')
plt.title('残差分布')
plt.show()
3. 特征影响程度条形图（系数绝对值）
coef = pd.Series(reg.coef_, index=X.columns)
coef_abs = coef.abs().sort_values() # 按系数绝对值排序
plt.figure(figsize=(10, 6))
coef_abs.plot(kind='barh')
plt.xlabel('系数绝对值（影响程度）')
plt.ylabel('特征')
plt.title('各特征对疾病进展的影响程度')
plt.show()
输出评估指标
print(f"均方误差（MSE）：{mean_squared_error(Ytest, yhat):.4f}")
print(f"决定系数（R²）：{r2_score(Ytest, yhat):.4f}")
数据准备与模型训练
代码首先加载糖尿病数据集，将特征数据转换为DataFrame格式（列名为数据集自带的特征名称），目标变量命名为"疾病进展"。通过train_test_split将数据按7:3比例划分为训练集和测试集，并重置索引以保证数据一致性。随后使用线性回归模型在训练集上拟合，得到模型参数后对测试集进行预测。
可视化评估
-
真实值与预测值对比：通过散点图展示测试集真实疾病进展与模型预测值的分布，图中红色虚线为理想预测线（真实值=预测值）。散点越贴近该线，说明预测效果越好，可直观判断模型整体拟合趋势。
-
残差分布分析：残差即真实值与预测值的差值，通过直方图结合核密度曲线呈现其分布。若残差近似正态分布且均值接近0，表明模型误差分布合理，无明显偏差；若分布异常（如偏态），则可能存在模型设定问题。
-
特征影响程度排序：提取线性回归模型的系数，按绝对值排序后绘制水平条形图，直观展示各特征对疾病进展的影响强度。系数绝对值越大，说明该特征在模型中对预测结果的影响越显著（不反映正负相关性）。
量化评估指标
• 均方误差（MSE）：衡量预测值与真实值的平均平方差，数值越小说明模型精度越高。
• 决定系数（R²）：表示模型可解释的目标变量变异比例，取值范围为0~1，越接近1说明模型拟合效果越好。