python实现线性回归（一）

编译：anaconda3-Jupyter Notebook

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from pandas import DataFrame,Series
from collections import OrderedDict
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

#创建数据集
examDict  = {'学习时间':[0.50,0.75,1.00,1.25,1.50,1.75,1.75,2.00,2.25,2.50,2.75,3.00,3.25,3.50,4.00,4.25,4.50,4.75,5.00,5.50],
             '分数':[10,22,13,43,20,22,33,50,62,48,55,75,62,73,81,76,64,82,90,93]}
 
#将上面的字典变为有序字典
examOrderedDict=OrderedDict(examDict)
#将有序字典读取为pandas中的二维数组
examDf=pd.DataFrame(examOrderedDict)

#提取二维数组中的特征值作为x轴
exam_X=examDf.loc[:,'学习时间']
#提取二维数组中的特征值作为y轴
exam_y=examDf.loc[:,'分数']

#绘制散点图
plt.scatter(exam_X,exam_y, color='b', label='Exam score')
#plt.scatter(examDf.分数,examDf.学习时间,color = 'b',label = "Exam Data")
 
#添加图的标签（x轴，y轴）
plt.xlabel("Hours")
plt.ylabel("Score")
#显示图像
plt.show()

#使用corr()计算相关系数，返回值为一个相关系数矩阵
rDf = examDf.corr()
print(rDf)

 学习时间        分数
学习时间  1.000000  0.923985
分数    0.923985  1.000000

#将原数据集拆分训练集和测试集
X_train,X_test,Y_train,Y_test = train_test_split(exam_X,exam_y,train_size=0.8)
#X_train为训练数据标签,X_test为测试数据标签,exam_X为样本特征,exam_y为样本标签，train_size 训练数据占比
 
print("原始数据特征:",exam_X.shape,",训练数据特征:",X_train.shape,",测试数据特征:",X_test.shape)
print("原始数据标签:",exam_y.shape, ",训练数据标签:",Y_train.shape,",测试数据标签:",Y_test.shape)
 
#散点图
plt.scatter(X_train, Y_train, color="blue", label="train data")
plt.scatter(X_test, Y_test, color="red", label="test data")
 
#添加图标标签
plt.legend(loc=2)
plt.xlabel("Hours")
plt.ylabel("Pass")
#显示图像
plt.show()

原始数据特征: (20,) ,训练数据特征: (16,) ,测试数据特征: (4,)
原始数据标签: (20,) ,训练数据标签: (16,) ,测试数据标签: (4,)

model = LinearRegression()
 
#对于模型错误我们需要把我们的训练集进行reshape操作来达到函数所需要的要求
# model.fit(X_train,Y_train)
 
#reshape如果行数=-1的话可以使我们的数组所改的列数自动按照数组的大小形成新的数组
#因为model需要二维的数组来进行拟合但是这里只有一个特征所以需要reshape来转换为二维数组
X_train = X_train.values.reshape(-1,1)
X_test = X_test.values.reshape(-1,1)

#训练模型
model.fit(X_train,Y_train)

#截距
a  = model.intercept_ 
#回归系数
b = model.coef_
 
print("最佳拟合线:截距",a,",回归系数：",b)

最佳拟合线:截距 14.421286031042136 ,回归系数： [14.65809313]

#训练数据的预测值
y_train_pred = model.predict(X_train)
#绘制最佳拟合线：标签用的是训练数据的预测值y_train_pred
plt.plot(X_train, y_train_pred, color='black', linewidth=3, label="best line")
 
#测试数据散点图
plt.scatter(X_test, Y_test, color='red', label="test data")
 
#添加图标标签
plt.legend(loc=2)
plt.xlabel("Hours")
plt.ylabel("Score")

#显示图像
plt.show()
 
score = model.score(X_test,Y_test)
print('score:',score)

score: 0.7724491634122271