100天搞定機器學習|Day2簡單線性迴歸分析

第一天機器學習100天|Day1數據預處理，咱們學習了數據預處理。知道了，數據預處理是機器學習中最基礎和最麻煩，將來佔用時間最長的一步操做。數據預處理通常有六個步驟，導入庫、導入數據集、處理缺失值、分類數據轉化、分出訓練集和測試集、特徵縮放等。在處理數據過程當中，必須得兩個庫是numpy和pandas，也用到sklearn.preprocessing中的Imputer,LabelEncoder, OneHotEncoder，StandardScaler。

算法自己很簡單，以前也有文章作過算法的解讀，有興趣的同窗請移步：

機器學習算法Python實現--線性迴歸分析

很早以前還用R作過一個R語言教程之-線性迴歸

下面開始，四步搞定簡單線性迴歸分析

第一步：數據預處理

import pandas as pd
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
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)
第二步：訓練集使用簡單線性迴歸模型來訓練

from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor = regressor.fit(X_train, Y_train)
sklearn是機器學習的神器，以前有過介紹

Sklearn包含的經常使用算法

LinearRegression(fit_intercept=True, normalize=False, copy_X=True, n_jobs=1)

fit_intercept：是否計算截距。
normalize： 當fit_intercept設置爲False時，該參數將被忽略。 若是爲真，則迴歸前的迴歸係數X將經過減去平均值併除以l2-範數而歸一化。
copy_X：布爾數，可選，默認爲真，若是爲真，X會被拷貝，反之，會被覆蓋。
n_jobs：指定線程數
第三步：預測結果

LinearRegression官網有具體用法，比較簡單，不想移步的同窗只需知道下面幾個用法便可

fit(X,y,sample_weight=None)：X,y以矩陣的方式傳入，而sample_weight則是每條測試數據的權重，一樣以array格式傳入。
predict(X)：預測方法，將返回預測值y_pred
score(X,y,sample_weight=None)：評分函數，將返回一個小於1的得分，可能會小於0

Y_pred = regressor.predict(X_test)
第四步：可視化

訓練集結果可視化

plt.scatter(X_train , Y_train, color = 'red')
plt.plot(X_train , regressor.predict(X_train), color ='blue')
plt.show()

測試集結果可視化

plt.scatter(X_test , Y_test, color = 'red')
plt.plot(X_test , regressor.predict(X_test), color ='blue')
plt.show()