11. 线性回归

线性回归

线性回归(Linear Regression)是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。线性回归利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模。这种函数是一个或多个称为回归系数的模型参数的线性组合。只有一个自变量的情况称为简单回归,大于一个自变量情况的叫做多元回归。

sklearn中的线性回归

sklearn.linear_model.LinearRegression()

参数	说明
fit_intercept	布尔型参数，表示是否计算该模型截距。可选参数。
normalize	布尔型参数，若为True，则X在回归前进行归一化。可选参数。默认值为False。
copy_X	布尔型参数，若为True，则X将被复制，否则将被覆盖。可选参数，默认值为True。
n_jobs	整型参数，表示用于计算的作业数量；若为-1，则用所有的CPU。可选参数。默认值为1。

linear.fit(X,y, sample_weight=None)

参数	说明
X	训练向量
y	相对于X的目标向量
sample_weight	分配给各个样本的权重数组，一般不需要使用，可省略。

房屋价格预测

import numpy as np
import matplotlib.pyplot as plt
# 线性回归模块
from sklearn import linear_model

# 读取数据集
dataset_X = []  # 房屋的尺寸
dataset_Y = []  # 房屋的成交价格
fr = open('Data/prices.txt', 'r')  # 打开数据集所在文件
lines = fr.readlines()  # 一次读取整个文件
for line in lines:  # 逐行进行操作，循环遍历所有数据
    items = line.strip().split(',')  # 去除文件中的逗号
    dataset_X.append(int(items[0]))  # 将读取的数据转换为int型，并分别写入dataset_X
    dataset_Y.append(int(items[1]))  # 和dataset_Y

length = len(dataset_X)  # 求得dataset_X的长度，即为数据的总数
# 将dataset_X转化为数组，并变为二维，以符合线性回归拟合函数输入参数要求
dataset_X = np.array(dataset_X).reshape([length, 1])
dataset_Y = np.array(dataset_Y)  # 将dataset_Y转化为数组

minX = min(dataset_X)  # 以数据dataset_X的最大值和
maxX = max(dataset_X)  # 最小值为范围，建立等差数列，方便后续画图。
X = np.arange(minX, maxX).reshape([-1, 1])

linear = linear_model.LinearRegression()
linear.fit(dataset_X, dataset_Y)

# 图像中显示
plt.scatter(dataset_X, dataset_Y, color='red')
plt.plot(X, linear.predict(X), color='blue')
plt.xlabel('Area')
plt.ylabel('Price')
plt.show()

prices.txt

1000,168
792,184
1260,197
1262,220
1240,228
1170,248
1230,305
1255,256
1194,240
1450,230
1481,202
1475,220
1482,232
1484,460
1512,320
1680,340
1620,240
1720,368
1800,280
4400,710
4212,552
3920,580
3212,585
3151,590
3100,560
2700,285
2612,292
2705,482
2570,462
2442,352
2387,440
2292,462
2308,325
2252,298
2202,352
2157,403
2140,308
4000,795
4200,765
3900,705
3544,420
2980,402
4355,762
3150,392