线性回归(sklearn)

参考：sklearn_user_guide
下载链接：https://download.csdn.net/download/jimi0123/10898941
下面是一组用于回归的方法，其中目标值是输入变量的线性组合

我们的目标就是找到w0…wp，使得预测值y(hat)与真实值y尽可能接近。
话不多说，直接看例子

	import matplotlib.pyplot as plt
	import numpy as np
	from sklearn import linear_model,datasets
	from sklearn.metrics import mean_squared_error,r2_score
	
	diabetes = datasets.load_diabetes()   #导入数据
	#使用一个特征
	diabetes_X = diabetes.data[:,np.newaxis, 2]  #newaxis 增加一个维度，选取第3列的特征
	#diabetes_X = diabetes.data[:]   #使用全部特征使用本条语句，屏蔽上一条
	diabetes_X.shape
	#(442, 1)
	
	#划分数据，可用split
	diabetes_X_train = diabetes_X[:-20]
	diabetes_X_test = diabetes_X[-20:]	
	diabetes_y_train = diabetes.target[:-20]
	diabetes_y_test = diabetes.target[-20:]
	
	#创建线性模型
	regr = linear_model.LinearRegression()
	#训练模型
	regr.fit(diabetes_X_train, diabetes_y_train)
	#测试
	diabetes_y_pred = regr.predict(diabetes_X_test)
	
	# The mean squared error
	print("Mean squared error: %.2f"% mean_squared_error(diabetes_y_test, diabetes_y_pred))
	# Explained variance score: 1 is perfect prediction
	print('Variance score: %.2f' % r2_score(diabetes_y_test, diabetes_y_pred))
	
	Mean squared error: 2548.07
	Variance score: 0.47
	#效果相当的不好啊，数据太少，422个训练数据
	
	plt.scatter(diabetes_X_test, diabetes_y_test, color='black')
	plt.plot(diabetes_X_test, diabetes_y_pred, color='blue', linewidth=3)
	plt.show()