第L2周：机器学习｜线性回归模型 LinearRegression：1. 简单线性回归模型

• 本文为🔗365天深度学习训练营 中的学习记录博客
• 原作者：K同学啊

任务：
●1. 通过本文学习LinearRegression简单线形回归模型。
●2. 模仿本文代码，通过鸢尾花花瓣长度预测花瓣宽度。

一、概念

1. 什么是回归

回归的目的是为了预测，比如在通过鸢尾花花瓣长度预测花瓣宽度。

回归之所以能预测，是因为它通过大量的花瓣长度与宽度数据，“弄懂了”花瓣长度与宽度之间的线性关系，在这个基础之上就可以通过花瓣长度预测花瓣宽度了。

2. 什么是线性

线性就是关系可以用线性方程来表示，通过一个或多个变量来表示另外一个变量。

通俗的说符合“越…，越…”这种说法的可能就是线性关系，比如

●“房子”越大，“租金”就越高。
●“汉堡”买的越多，花的“钱”就越多。
●杯子里的“水”越多，“重量”就越大。

但是也并非所有“越…，越…”都是线性的，比如“弹簧的弹力与位移的关系”。

3. 什么是线性回归

通过两个或多个变量之间的线性关系来预测结果。

通过鸢尾花的花瓣长度与宽度的线性关系来预测花瓣宽度，通过杯子里水的体积就可以知道（预测）水的重量。

二、代码实现

我的环境：
●语言环境：Python3.9
●编译器：Jupyter Lab

这里我们采用“学习时长-成绩”数据集，采用LinearRegression简单线形回归模型，通过学习时长去预测学生成绩。

第1步：数据预处理

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

dataset = pd.read_csv('./L2/studentscores.csv')
X = dataset.iloc[ : , :1].values
Y = dataset.iloc[ : ,1].values

from sklearn.model_selection import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, 
                                                    test_size=1/4, 
                                                    random_state=0)

dataset

代码输出：

	Hours	Scores
0	2.5	21
1	5.1	47
2	3.2	27
3	8.5	75
4	3.5	30
5	1.5	20
6	9.2	88
7	5.5	60
8	8.3	81
9	2.7	25
10	7.7	85
11	5.9	62
12	4.5	41
13	3.3	42
14	1.1	17
15	8.9	95
16	2.5	30
17	1.9	24
18	6.1	67
19	7.4	69
20	2.7	30
21	4.8	54
22	3.8	35
23	6.9	76
24	7.8	86
25	9.1	93
26	9.2	93
27	9.5	93

train_test_split()函数详解：

train_test_split()：将数据集划分为测试集与训练集。

●X：所要划分的整体数据的特征集；
●Y：所要划分的整体数据的结果；
●test_size：测试集数据量在整体数据量中的占比（可以理解为X_test与X的比值）；
●random_state：
○①若不填或者填0，每次生成的数据都是随机，可能不一样。
○②若为整数，每次生成的数据都相同。

第2步：简单线性回归模型

sklearn.linear_model包实现了广义线性模型，包括线性回归、Ridge回归、Bayesian回归等。LinearRegression是其中较为简单的线性回归模型。

from sklearn.linear_model import LinearRegression

regressor = LinearRegression()
regressor = regressor.fit(X_train, Y_train)

第3步：预测结果

Y_pred = regressor.predict(X_test)

Y_pred

代码输出：

array([33.40062313, 39.26803909, 12.86466728, 20.68788856, 16.77627792,
       59.80399493, 78.38414546])

第4步：可视化

1. 训练集可视化

plt.scatter(X_train, Y_train, color='red')
plt.plot(X_train, regressor.predict(X_train), color='blue')

plt.show()

代码输出：

2. 测试集预测结果可视化

plt.scatter(X_test, Y_test, color='red')
plt.plot(X_test, regressor.predict(X_test), color='blue')
plt.show()

代码输出：

三、鸢尾花数据集导入

这里的任务需要使用到的数据集，你可以这样导入：

url = "https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data"  
names = ['花萼-length', '花萼-width', '花瓣-length', '花瓣-width', 'class'] 

dataset = pd.read_csv(url, names=names)
dataset

代码输出：

	花萼-length	花萼-width	花瓣-length	花瓣-width	class
0	5.1	3.5	1.4	0.2	Iris-setosa
1	4.9	3.0	1.4	0.2	Iris-setosa
2	4.7	3.2	1.3	0.2	Iris-setosa
3	4.6	3.1	1.5	0.2	Iris-setosa
4	5.0	3.6	1.4	0.2	Iris-setosa
...	...	...	...	...	...
145	6.7	3.0	5.2	2.3	Iris-virginica
146	6.3	2.5	5.0	1.9	Iris-virginica
147	6.5	3.0	5.2	2.0	Iris-virginica
148	6.2	3.4	5.4	2.3	Iris-virginica
149	5.9	3.0	5.1	1.8	Iris-virginica

150 rows × 5 columns