吴恩达2022机器学习专项课程C1W2：实验Lab_05 & Lab_06使用 scikit-learn 进行线性回归

目标

使用scikit-learn实现线性回归(SGDRegressor和LinearRegression)。

1.什么是scikit-learn?

一个用于 Python 编程语言的开源机器学习库,用于实现各种机器学习算法。

2.特征缩放（Z标准化）

第一步先使用Z标准化处理训练样本，减少训练样本特征之间的数值差异。

3.建立线性回归模型

• SGDRegressor创建线性回归模型，设置随机梯度下降迭代次数1000，用处理好的训练样本完成模型训练，模型可以开始预测。
  
• LinearRegression无需设置梯度下降迭代次数（底层未使用随机梯度下降）。

4.查看回归模型的参数

• SGDRegressor查看模型当前的w，b参数。
  
• LinearRegression查看参数。
  

5.使用模型预测数据

• SGDRegressor，用公式或predict方法计算预测值y，比较两种方法计算结果是否一致（只看前四个预测结果），确保计算过程正确可靠。
  
• LinearRegression，也是用两种方式计算出预测y，并打印了真实y，然后通过第一组训练样本，计算并打印出第一组训练样本的预测房价。

6.可视化查看预测结果

为每个特征创建一个散点图，蓝色点对应真实房价，橙色点对应预测房价，重合度较高，表示模型预测的比较准确。

总结

SGDRegressor和LinearRegression在使用流程上相似，都是先特征缩放（Z标准化），然后初始化模型，通过模型拟合数据完成训练并得到参数w,b，最后通过公式计算或predict方法进行房价预测。