机器学习1——手把手教你用Python跑一个线性回归模型

目录

一、前期准备

1.Scikit-learn

2.matplotlib 

二、机器学习过程

三、代码框架

四、完整代码

1.导入所需库

2.准备训练数据

3.喂入训练数据

4.结果预测 

5.输出模型中的w与b值 

6.可视化 

7.传入不规则数据

---

 

一、前期准备

在机器学习中我们使用Python居多，这里就不写Python的安装步骤了。这里主要讲跑机器学习需要用到的库。

1.Scikit-learn

这是一个机器学习库之一，是基于 Python 语言实现的机器学习算法库，它包含了常用的机器学习算法，比如回归、分类、聚类、支持向量机、随机森林等等。同时，它使用 NumPy 库进行高效的科学计算，比如线性代数、矩阵等等。

在Windows搜索栏搜索“cmd”进入命令指示栏窗口，在其中输入如下代码：

pip install scikit-learn

敲击回车就可以看到cmd在自动下载内容。

2.matplotlib 

matplotlib是可视化绘图工具包，与上述一致，在cmd中输入

pip install matplotlib 

并敲击回车，等待下载完成。

二、机器学习过程

“回归模型”其实就是指通过一个给定的数据集来预测值的模型，比较类似于初中时的给几对(x,y)数据求函数表达式，并依据表达式预测出剩余x所对应的y。

例如：这里有(1,3)、(2,5)两个点，要求(3,?)的问号值。这个题给初中生甚至小学生都会做，但我们还是需要捋清楚我们的解题步骤：

第一步，设定函数。在做此题时我们会先设一个函数y=kx+b。这个过程在机器学习中被称为假设函数。

第二步，解出k、b的值。在设好函数后，我们会将已知的两个数据(1,3)、(2,5)代入方程中，通过消元法解出k、b的值。在机器学习中，(1,3)、(2,5)这两个点称为数据集，将处理好的数据集喂给模型，模型就能自动解出k、b。解决线性回归问题的关键就在于求出这些值。

第三步，将(3,?)代入解出的函数中，求出?的值。

没错，实际上机器学习的回归模型就是一个不停解出系数的过程。只不过在实际应用中，我们需要的自变量不只x一个，而是有很多个，所以真正的假设函数长这个样子：

 

这里，我们的自变量将不只一个，而是有很多个，自变量前面的字母也不是k，而是，它的含义是权值，权值系数越大，那么这一项属性值对最终结果的影响就越大。

而且，问号的值也不会是确定的，而是需要根据结果不断调整参数，达到预测的目的。

三、代码框架

使用Scikit-learn（以下简称sklearn）实现线性回归算法主要分为三步： 

1.从库中导入线性回归算法：

from sklearn import linear_model

2.使用fit()喂入数据，训练模型：

model = linear_model.LinearRegression()

model.fit(x, y)

3.对训练好的模型进行预测，调用predict()输出预测结果，“x_”为预测数据：

model.predict(x_)

没错，它就像看起来那样简单。

四、完整代码

import  matplotlib.pyplot as plt
import numpy as np
from sklearn import linear_model

x = np.linspace(3,6.4)

y = 3 * x + 2

x=[[i] for i in x]
y=[[i] for i in y]
model=linear_model.LinearRegression()
model.fit(x,y)
x_=[[4],[5],[6]]
y_=model.predict(x_)
print(y_)

print("w值为:",model.coef_)
print("b截距值为:",model.intercept_)

plt.scatter(x,y)
plt.plot(x_,y_,color="red",linewidth=3.0,linestyle="-")
plt.legend(["func","Data"],loc=0)
plt.show()

运行结果：

输出：

 详细讲解如下：

1.导入所需库

这个没什么好讲的，就是把库导入进来：

import  matplotlib.pyplot as plt
import numpy as np
from sklearn import linear_model

2.准备训练数据

x = np.linspace(3,6.4)

y = 3 * x + 2

这里，linspace()函数是numpy库里的生成等间隔数字序列的函数，函数原型如下：

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None) 

这个函数最少需要传入两个函数，“start”是序列的起始值，“stop”是序列结束值，如果后面的“endpoint”参数为True，则将结束值包含在序列中，否则不包含。“num”是生成的样本数，默认是50。“endpoint”就是是否包含序列结束值的意思。“retstep”为是否返回样本之间的步长，默认是False。“dtype”是输出数组的数据类型，如果没有就从其他输入参数判断。

之后，我们使用了一个一次函数来计算y列表的值。这样，我们的x和y都有了。

3.喂入训练数据

x=[[i] for i in x]
y=[[i] for i in y]
model=linear_model.LinearRegression()
model.fit(x,y)

 由于fit需要传入二维矩阵数据，因此需要处理x，y的数据格式，将每个样本信息单独作为矩阵的一行。前两行代码相当于把[1,2,3]的数据转化为：[[1],[2],[3]]。之后我们调用线性回归模型，使用fit()函数喂入训练数据。fit函数原型长这样：

model.fit(x_train, y_train, batch_size=32, epochs=10, validation_data=(x_val, y_val))

其中，“x_train”代表训练数据的输入特征，“y_train”代表输入数据的目标值，与前一个“x_train”对应。“batch_size”代表每次训练所使用的样本量。“epochs”代表训练的轮数，每一轮表示模型在整个训练数据集上进行一次完整的遍历。“validation_data”代表在训练过程中提供验证数据，模型在每个 epoch 结束后会在验证数据上进行评估，以监控模型的性能。

这里，我们只传入了训练数据，其他全部默认。

4.结果预测 

x_=[[4],[5],[6]]
y_=model.predict(x_)
print(y_)

这里，我们又定义了一个“x_”的待预测数据，让“y_”等于经过模型预测的目标值，并将其打印。

5.输出模型中的w与b值 

要判断机器做对题没有，需要将它计算出的w与b值打印才能判断：

print("w值为:",model.coef_)
print("b截距值为:",model.intercept_)

6.可视化 

plt.scatter(x,y)
plt.plot(x_,y_,color="red",linewidth=3.0,linestyle="-")
plt.legend(["func","Data"],loc=0)
plt.show()

这里，我们使用matplotlib包，将训练数据与预测出的函数都显示出来。

这样，我们就完成了一次机器学习，并且预测结果和我们想象中的接近。

但需要注意的是，很多时候传入的训练数据并不会像这样规矩，所以接下来我们需要让训练数据稍微变动一下。

7.传入不规则数据

只需要在准备训练数据时多加一行，让x的值有一个上下浮动的范围即可： 

x = np.linspace(3,6.4)

y = 3 * x + 2 

x = x + np.random.rand(50)

 

 

可以看到，我们的模型依然很好的完成了任务。 

那么，具体模型是怎么做到的，我们下回分解（其实我也不会）。