Python-机器学习（一）-线性回归

• 一元线性回归是分析只有一个自变量（自变量x和因变量y）线性相关关系的方法。一个经济指标的数值往往受许多因素影响，若其中只有一个因素是主要的，起决定性作用，则**可用一元线性回归进行预测分析。**数据集可以表示成{(x1,y1),(x2,y2),…,(xn,yn)}。其中，xi表示自变量x的第i个值，yi表示因变量y的第i个值，n表示数据集的样本量。当模型构建好之后，就可以根据其他自变量x的值，预测因变量y的值，该模型的数学公式可以表示成：

• 

python中展示：

• 导入我们需要的包和相关库

#引入sklearn库，使用其中的线性回归模块

from sklearn import datasets,linear_model

#引入train_test_split来把我们的数据集分为训练集和测试集

from sklearn.model_selection import train_test_split

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

# 创建数据集  比如我们现在有10行2列数据，第一列是身高，第二列是体重，通常做法：将原始数据切分时，将原始数据的80%作为训练数据来训练模型，另外20%作为测试数据，通过测试数据直接判断模型的效果，在模型进入真实环境前不断改进模型；

data = np.array([[152,51],[156,53],[160,54],[164,55],

[168,57],[172,60],[176,62],[180,65],

[184,69],[188,72]])

X,y分别存放特征向量和标签，这里边使用reshape的目的是data[:,0]是一个一维的数组，但后边模型调用的时候要求是矩阵的形式

X,y = data[:,0].reshape(-1,1),data[:,1]

训练集和测试集区分开

train_size=0.8的意思就是随机提取80%的数据作为训练数据

X_train,X_test,y_train,y_test = train_test_split(X,y,train_size=0.8)

实现线性回归算法模型

regr = linear_model.LinearRegression()

拟合数据,训练模型

regr.fit(X_train,y_train)

score得到的返回结果是决定系数R平方值

regr.score(X_train,y_train)

• 决定系数R的平方值 = 1-u/v

• u = (y的实际值-y的预期值)的平方的求和

• v = (y的实际值-y的实际值的平均值)的平方的求和–输出结果R的平方值=0.963944147932503

font = {‘family’:“SimHei”,‘size’:20}
自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）