目录
-
# 加载数据分析常用库
-
import pandas
as pd
-
import numpy
as np
-
import matplotlib.pyplot
as plt
-
% matplotlib inline
机器学习是一个很复杂又很广阔的概念，可以说是包罗万象的。从数据分析到机器学习再到深度学习，这是一个不断进步和发展的过程。这里就通过一个很基础的入门项目，来演练一下机器学习的过程。
机器学习的本质其实就是通过训练集建立一个模型，而后可以通过这个模型实现对于特征的识别，得出结果标签，而这个模型可以是多种多样的，简单线性回归模型只是其中的最基础最简单的一种模型。
1、建立一个数据集
（如果不规整的数据集，需要按照数据分析的流程进行一遍数据清洗，这里仅仅举个例子，就跳过数据分析这一步了）
-
#首先我们先建立一个数据集，这也是之后用来训练和测试的数据
-
#导入包，创建数据集
-
from collections
import OrderedDict
-
import pandas
as pd
-
examDict={
-
'学习时间':[
0.50,
0.75,
1.00,
1.25,
1.50,
1.75,
1.75,
2.00,
2.25,
-
2.50,
2.75,
3.00,
3.25,
3.50,
4.00,
4.25,
4.50,
4.75,
5.00,
5.50],
-
'分数': [
10,
22,
13,
43,
20,
22,
33,
50,
62,
-
48,
55,
75,
62,
73,
81,
76,
64,
82,
90,
93]
-
}
-
examOrderDict=OrderedDict(examDict)
-
exam=pd.DataFrame(examOrderDict)
-
#看看数据集长什么样
-
exam.head()
如果不用模块collections对字典对象中元素的排序，那么数据将会是：
-
#首先我们先建立一个数据集，这也是之后用来训练和测试的数据
-
#导入包，创建数据集
-
#python中的字典是无序的，因为它是按照hash来存储的;
-
#但是python中有个模块collections(英文，收集、集合)，里面自带了一个子类OrderedDict，实现了对字典对象中元素的排序。
-
-
from collections
import OrderedDict
-
import pandas
as pd
-
examDict={
-
'学习时间':[
0.50,
0.75,
1.00,
1.25,
1.50,
1.75,
1.75,
2.00,
2.25,
-
2.50,
2.75,
3.00,
3.25,
3.50,
4.00,
4.25,
4.50,
4.75,
5.00,
5.50],
-
'分数': [
10,
22,
13,
43,
20,
22,
33,
50,
62,
-
48,
55,
75,
62,
73,
81,
76,
64,
82,
90,
93]
-
}
-
#examOrderDict=OrderedDict(examDict)
-
exam=pd.DataFrame(examDict)
-
#看看数据集长什么样
-
exam
2、看看适不适合用线性回归的模型（通过画图）
#接下来我们先大致看一下特征和标签之间的关系
#然后来判断是否适合使用简单线性回归模型
#如果不适合，就换用其他模型
#这里是举例，肯定可以用的
#特征是学习时间，标签是分数
#用散点图看一下大致情况
-
-
#从dataframe中把标签和特征导出来
-
exam_X = exam[
'学习时间']
-
exam_Y = exam[
'分数']
-
-
#绘制散点图
-
-
#导入包
-
import matplotlib.pyplot
as plt
-
#绘制散点图
-
plt.scatter(exam_X, exam_Y, color =
'green')
-
#设定X,Y轴标签和title
-
plt.ylabel(
'scores')
-
plt.xlabel(
'times')
-
plt.title(
'exam data')
-
plt.show()
3、分割数据
这里不能把这个数据集都作为训练数据集，那样的话就没有数据来测试一下我们的模型好坏了，所以需要把数据集分割一下，要用到一个函数。
-
#train_test_split函数可以在样本数据集中随机的选取测试集与训练集
-
#比例可以自己指定
-
#第一个参数为特征，第二个参数为标签
-
-
from sklearn.model_selection
import train_test_split
-
X_train, X_test, Y_train, Y_test = train_test_split(exam_X,
-
exam_Y,
-
train_size =
0.8)
-
#这里可以简单的看一下分割后的结果
-
X_train.head()
-
X_train.shape
-
#可以发现训练集是16行一列的数据，测试集是四行一列，符合切分比例
4、导入模型
-
#首先，改变一下数组的形状
-
X_train = X_train.values.reshape(
-1,
1)
-
X_test = X_test.values.reshape(
-1,
1)
-
#从skl中导入线性回归的模型
-
from sklearn.linear_model
import LinearRegression
-
#创建一个模型
-
model = LinearRegression()
-
#训练一下
-
model.fit(X_train, Y_train)
-
#因为线性回归一般方程为y = a+bx
-
#b为斜率，a为截距
-
#截距用intercept_方法获得
-
#斜率用model.coef_方法获得
-
a = model.intercept_
-
b = model.coef_
-
a = float(a)
-
b = float(b)
-
print(
'该模型的简单线性回归方程为y = {} + {} * x'.format(a, b))
5、评估模型
我们得到的方程是这些点的最佳拟合曲线，那么我们首先看一下这个曲线的具体位置。
-
import matplotlib.pyplot
as plt
-
#绘制散点图
-
plt.scatter(exam_X, exam_Y, color =
'green', label =
'train data')
-
#设定X,Y轴标签和title
-
plt.ylabel(
'scores')
-
plt.xlabel(
'times')
-
-
#绘制最佳拟合曲线
-
Y_train_pred = model.predict(X_train)
-
plt.plot(X_train, Y_train_pred, color =
'black', label =
'best line')
-
-
#来个图例
-
plt.legend(loc =
2)
-
-
plt.show()
但是仅仅通过拟合曲线我们是无法准确判断模型的拟合程度的，我们还需要更加具体的评判方式。
在线性回归中，我们通过决定系数 R^{2} 来判别，这个数值越接近于1，说明模型的拟合度越好，通过测试数据来判断一下模型的拟合程度。
model.score(X_test, Y_test)
【完整代码】
-
#首先我们先建立一个数据集，这也是之后用来训练和测试的数据
-
#导入包，创建数据集
-
from collections
import OrderedDict
-
import pandas
as pd
-
examDict={
-
'学习时间':[
0.50,
0.75,
1.00,
1.25,
1.50,
1.75,
1.75,
2.00,
2.25,
-
2.50,
2.75,
3.00,
3.25,
3.50,
4.00,
4.25,
4.50,
4.75,
5.00,
5.50],
-
'分数': [
10,
22,
13,
43,
20,
22,
33,
50,
62,
-
48,
55,
75,
62,
73,
81,
76,
64,
82,
90,
93]
-
}
-
examOrderDict=OrderedDict(examDict)
-
exam=pd.DataFrame(examOrderDict)
-
############################################
-
-
-
#从dataframe中把标签和特征导出来
-
exam_X = exam[
'学习时间']
-
exam_Y = exam[
'分数']
-
-
#绘制散点图
-
-
#导入包
-
import matplotlib.pyplot
as plt
-
-
-
#train_test_split函数可以在样本数据集中随机的选取测试集与训练集
-
#比例可以自己指定
-
#第一个参数为特征，第二个参数为标签
-
-
from sklearn.model_selection
import train_test_split
-
X_train, X_test, Y_train, Y_test = train_test_split(exam_X,
-
exam_Y,
-
train_size =
0.8)
-
-
#首先，改变一下数组的形状
-
X_train = X_train.values.reshape(
-1,
1)
-
X_test = X_test.values.reshape(
-1,
1)
-
#从skl中导入线性回归的模型
-
from sklearn.linear_model
import LinearRegression
-
#创建一个模型
-
model = LinearRegression()
-
#训练一下
-
model.fit(X_train, Y_train)
-
-
-
-
#因为线性回归一般方程为y = a+bx
-
#b为斜率，a为截距
-
#截距用intercept_方法获得
-
#斜率用model.coef_方法获得
-
a = model.intercept_
-
b = model.coef_
-
-
import matplotlib.pyplot
as plt
-
#绘制散点图
-
plt.scatter(exam_X, exam_Y, color =
'green', label =
'train data')
-
#设定X,Y轴标签和title
-
plt.ylabel(
'scores')
-
plt.xlabel(
'times')
-
-
#绘制最佳拟合曲线
-
Y_train_pred = model.predict(X_train)
-
plt.plot(X_train, Y_train_pred, color =
'black', label =
'best line')
-
-
#来个图例
-
plt.legend(loc =
2)
-
-
plt.show()
转载：https://blog.csdn.net/qq_38689263/article/details/116139630
查看评论