python机器学习12--Regression回归分析

1.数据预备
第一步：数据内容一定要有以下两种值域的因果数据。
·　特征（Feature）：因，在统计学称为自变量（Independent Variable）。
·　标签答案（Label）：果，在统计学称为因变量（Dependent Variable）。
比如，天气的温度和湿度值（因，Feature），是否下雨（果，Label），网络大量的数据后就被称为数据集Dataset，其数据量最少100个以上。若能有数百万或万万的数据量，所求出的结果会更好。使用算法进行分析，要预备两个如许的数据集，这两个数据集的值域格式都要一模一样，并且必要人工审查其内容的精确性。
·　练习用数据集（Training Dataset）：通过特定的算法来找出Feature和Label之间的关系。
·　测试用数据集（Testing Dataset）：测试用，用来验证刚刚用运算法和练习用数据集所找出的答案，通过测试用数据集来验证答案是否精确，并求出结果的精确率为多少。而练习和测试用的数据集内容险些一样，差别就在条数多寡，通常的比例是80∶20。
        网络后的数据会推荐依照数据内容的分布形式，来挑选合适的算法。机器学习大数据分析中最重要的就是数据的搜集，假如网络的数据是错误的，不管用什么样的算法都找不到答案。
        举个例子来说标题：机器学习如何区分柠檬和橙子
（1）Feature特征值。
我们可以丈量它的相干信息（专业用词是Feature特征值），如颜色、甜度、酸度、体积、重量、长度、宽度等。
·　但会发现体积和重量应该不是好的特征值，由于两者太过相近。
·　甜度和酸度虽然可以找出区别，但会粉碎商品和成品的完备性。
·　可以用长度、宽度、形状是否为趋近于圆形。
·　颜色来区分：柠檬偏黄色或绿色，而橙子偏橘色。
所以特征值的挑选，就会影响到结果。
（2）Label标签，就是柠檬和橙子，通常都会用一个数字来代表，如1为橙子，2为柠檬。
以现实的图表方法来看，就是把柠檬和橙子的长度、宽度用图表的方法画出来，就会看到这些特征值的位置区分固然。画得好坏叫作机器学习（Machine Learning）的过程，改善正确率的方法叫数据挖掘（Data Mining）。完成之后，就能用这一条蓝线当成判定点，用来作为将来新水果的判定，也就是Regression回归分析。
运行结果如图19-2所示。

        回归分析（Regression Analysis）是一种统计学上分析数据的方法，目的在于了解两个或多个变量之间是否相干，并创建数学模型以便观察特定变量来预测研究者感兴趣的变量。更详细地说，回归分析会依照自变量，产生另外因变量。
回归分析根据自变量的数量，可分为以下两种：
（1）简朴回归分析：用一个自变量来表明一个因变量回归分析。
（2）复回归分析：用两个或两个以上的自变量来表明一个因变量的回归分析。
回归模型亦可视其函数的模式区分为线性与非线性两种。
· Y=a+bX为线性模式。
· Y=a+Xb则为非线性模式。

1. import matplotlib.pyplot as plt
2. plt.plot([1,2,3,4],[0,0.3,0.6,0.9],'gx')
3. plt.plot([1,2,3,4],[0,0.3,0.6,0.9],'r--')
4. plt.axis([0,5,0,1])
5. plt.ylabel('Y')
6. plt.xlabel('X')
7. plt.show()

复制代码

         残差答案趋近于零，就代表这个回归分析得出的答案非常符合现实的数据。假如是0，很大概出现了标题，要进行仔细查抄。

1. import pandas as pd
2. # 导入 pandas 模块
4. from sklearn import linear_model
5. # 导入 sklearn 的线性回归模型
7. import matplotlib.pyplot as plt
8. # 导入 matplotlib 的 pyplot 模块
10. # 准备训练和测试的数据
11. x_values = pd.DataFrame([0, 1, 2])
12. # 特征 Features
13. y_values = pd.DataFrame([0, 0.3, 0.6])
14. # 标签答案 Label
16. x_test = pd.DataFrame([-1, 3, 5])
17. # 测试用的特征 Features
19. # 创建线性回归模型实例
20. body_reg = linear_model.LinearRegression()
22. # 训练模型
23. body_reg.fit(x_values, y_values)
25. # 预测
26. y_test_predict = body_reg.predict(x_test)
28. # 打印预测结果
29. print("body_reg.predict(x_test)", y_test_predict)
31. # 显示图形
32. plt.scatter(x_values, y_values)  # 画出原本的数据点
33. plt.scatter(x_test, y_test_predict, color='red')  # 画出预测的数据点，使用红色
34. plt.plot(x_test, body_reg.predict(x_test), color="blue")  # 画出预测的线，使用蓝色
36. # 显示图形
37. plt.show()

复制代码

糖尿病实战
        通过以下的步伐将数据下载取得糖尿病数据，并通过图形化的方法，了解这个糖尿病数据的样貌，数据来自scikit-learn糖尿病数据集。

1. import matplotlib.pyplot as plt  # 绘图函数库
2. import numpy as np  # 矩阵函数库
3. from sklearn import datasets, linear_model  # 线性回归函数库
5. # 取得糖尿病的数据
6. diabetes = datasets.load_diabetes()
8. # 只取第三个特征值BMI
9. diabetes_X = diabetes.data[:, np.newaxis, 2]
11. # 切分特征值BMI，将数据分为训练集和测试集
12. diabetes_X_train = diabetes_X[:-20]
13. diabetes_X_test = diabetes_X[-20:]
15. # 切分目标值，将数据分为训练集和测试集
16. diabetes_y_train = diabetes.target[:-20]
17. diabetes_y_test = diabetes.target[-20:]
19. # 绘图
20. plt.scatter(diabetes_X_test, diabetes_y_test, color='black')  # 绘制黑点
21. plt.show()  # 显示绘图

复制代码

1. import matplotlib.pyplot as plt  # 绘图函数库
2. import numpy as np  # 矩阵函数库
3. from sklearn import datasets, linear_model  # 线性回归函数库
4. diabetes=datasets.load_diabetes()
5. diabetes_X=diabetes.data[:,np.newaxis,2]
6. diabetes_X_train = diabetes_X[:-20]
7. diabetes_X_test = diabetes_X[-20:]
9. # 切分目标值，将数据分为训练集和测试集
10. diabetes_y_train = diabetes.target[:-20]
11. diabetes_y_test = diabetes.target[-20:]
12. regr=linear_model.LinearRegression()
13. regr.fit(diabetes_X_train,diabetes_y_train)
14. print(regr.coef_)
15. print(np.mean(regr.predict(diabetes_X_test)-diabetes_y_test**2))
16. plt.scatter(diabetes_X_test,diabetes_y_test,color='blue')
17. plt.plot(diabetes_X_test,regr.predict(diabetes_X_test),color='blue',linewidth=3)
18. plt.xticks([])
19. plt.yticks([])
20. plt.show()

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。