Machine Learning笔记——回归模型（一）

目录

 

一、了解数据

二、探索性数据分析，了解变量分布与变量之间的关系

三、采用梯度下降法来求解回归系数

四、传入实际数据查看预测结果

---

使用梯度下降法实现简单的线性回归

一、了解数据

数据集：波士顿房价数据

预测变量与目标变量含义：

CRIM：每个城镇人均犯罪率
ZN：超过25000平方尺用地划为居住用地的百分比
INDUS：非零售商用地百分比
CHAS：是否被河道包围
NOX：氮氧化物浓度
RM：住宅平均房间数目
AGE：1940年前建成自用单位比例
DIS：5个波士顿就业服务中心的加权距离
RAD：无障碍径向高速公路指数
TAX：每万元物业税率
PTRATIO：小学师生比例
B：黑人比例指数
LSTAT：低层人口比例
MEDV：房价（预测变量）

二、探索性数据分析，了解变量分布与变量之间的关系

因为预测变量较多，这里选取四个预测变量其与目标变量(MEDV)之间的关系，这里我们先选择使用seaborn库的pairplot函数绘制数据集中的成对关系，此函数将创建一个Axes网格，使得每个变量将通过y轴在单个行和x轴上在单个列中共享，对角线上是变量分布的直方图（可修改），非对角线上是两个变量的散点图。

具体参数及其意义见官方文档http://seaborn.pydata.org/generated/seaborn.pairplot.html#seaborn.pairplot。

# 读入数据
import os
import pandas as pd

os.chdir('C:/Users/Administrator/Desktop/jpynb/机器学习')
df = pd.read_csv('./data/housing.csv')

# 绘制关系图
import matplotlib.pyplot as plt
import seaborn as sns

sns.set(style='whitegrid', context='notebook')  # 设定样式，还原可用sns.reset_orig()
# context绘制上下文参数，style轴样式参数
# 选取的四个预测变量及目标变量
cols = ['LSTAT', 'INDUS', 'NOX', 'RM', 'MEDV']

sns.pairplot(df[cols], size=3)
plt.tight_layout()
# tight_layout()是matplotlib的方法，紧凑显示图片，居中显示

# 存储图片
plt.savefig('C:/Users/Administrator/Desktop/scatter1.png', dpi=300)   # dpi是像素