scikit-learn機器學習(一)簡單線性迴歸

 

 

# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
## 設置字符集，防止中文亂碼
import matplotlib
matplotlib.rcParams['font.sans-serif']=[u'simHei']
matplotlib.rcParams['axes.unicode_minus']=False


# X爲披薩的直徑
X = np.array([[6],[8],[10],[14],[18]]).reshape(-1,1)
# y是披薩的價格
y = [7,9,13,17.5,18]

plt.figure()
plt.title('披薩直徑和價格的關係')
plt.xlabel("直徑")
plt.ylabel("價格")
plt.plot(X,y,'ro')
plt.axis([0,25,0,25])
plt.grid(True)

# 創建線性迴歸模型
from sklearn.linear_model import LinearRegression
LR = LinearRegression(copy_X=True, fit_intercept=True, n_jobs=None,
                 normalize=False)
#參數介紹
#fit_intercept:是否有截據，若是沒有則直線過原點。
#normalize:是否將數據歸一化。
#copy_X:默認爲True，當爲True時，X會被copied,不然X將會被覆寫。（這一參數的具體做用沒明白，求大神指教了）
#n_jobs:默認值爲1。計算時使用的CPU核數。
LR.fit(X,y)


# 畫出圖
# 輸出斜率
print(LR.coef_)
# 輸出截距
print(LR.intercept_)
xx=range(0,25)
yy = LR.coef_*xx+LR.intercept_
plt.plot(xx,yy,'g')

# 輸出RSS殘差平方和
print("RSS:%.2f" % np.mean((LR.predict(X)-y)**2))


# 預測一個直徑以前從未見過的披薩價格
test_pizza = np.array([[12]])
predicted_price = LR.predict(test_pizza)[0]
print("預測直徑爲%d的披薩價格爲 $%f" % (12,predicted_price))

# 評價模型
# score能夠直接輸出R方
X_test = np.array([8,9,11,16,12]).reshape(-1,1)
y_test = [11,8.5,15,18,11]
r_squared = LR.score(X_test,y_test)
print(r_squared)

print(LR.coef_)
[0.9762931]

print(LR.intercept_)
1.965517241379315

print("RSS:%.2f" % np.mean((LR.predict(X)-y)**2))
RSS:1.75

print("預測直徑爲%d的披薩價格爲 $%f" % (12,predicted_price))
預測直徑爲12的披薩價格爲 $13.681034

print(r_squared)
0.6620052929422553