第5章【思考与练习1】 延续回归模型的性能评估，计算使用全部数据学习得到的回归模型linreg在测试集上的性能。从例5-2训练集中取出前100条、200条样本，学习得到回归模型，并在测试集上预测分析

P96思考与练习1

1. 延续回归模型的性能评估，计算使用全部数据学习得到的回归模型linreg在测试集上的性能，与只使用训练集的模型linregTr进行比较，并对结果进行分析。

#1
#模型linreg
import pandas as pd
data = pd.read_csv('data/advertising.csv',index_col = 0)
x = data.iloc[: ,0:3].values.astype(float)
y = data.iloc[: ,3].values.astype(float)
from sklearn.linear_model import LinearRegression
linreg = LinearRegression()
linreg.fit(x,y)
print(linreg.intercept_,linreg.coef_)

#模型linregTr
from sklearn import model_selection
x_train,x_test,y_train,y_test = model_selection.train_test_split(x,y,test_size = 0.35,random_state = 1)
linregTr = LinearRegression()
linregTr.fit(x_train,y_train)
print(linregTr.intercept_,linregTr.coef_)

#将模型linregTr运用到测试集
from sklearn import metrics
y_test_pred1 = linregTr.predict(x_test)
test_err1 = metrics.mean_squared_error(y_test,y_test_pred1)
print('The mean squar error of test are:{:.3f}'.format(test_err1))
predict_score1 = linregTr.score(x_test,y_test)
print('The decision coeficient is:{:.3f}'.format(predict_score1))

#将模型linreg运用到测试集
y_test_pred2 = linreg.predict(x_test)
test_err2 = metrics.mean_squared_error(y_test,y_test_pred2)
print('The mean squar error of test are:{:.3f}'.format(test_err2))
predict_score2 = linreg.score(x_test,y_test)
print('The decision coeficient is:{:.3f}'.format(predict_score2))

 分析：使用全部数据学习得出的回归模型linreg在测试集上的决定系数为0.916，大于只使用训练集的模型linregTr的决定系数0.913。由于决定系数越大，预测效果越好。所以回归模型linreg在测试集上的预测效果要好些。

2. 从例5-2训练集中取出前100条、200条样本，学习得到回归模型，在测试集上计算这些模型的预测性能，并进行分析比较。（第2道题目有些歧义，样本总共就200条，例5-2中的训练集也不过是130条，从130条中取200条？。所以第2题按照老书第一版的描述来：

从例5-1中取出前100条样本，学习回归模型linregHalf；在练习1的测试集上计算该模型预测性能，并与使用200条样本学习的模型比较。）

#2
#此处仅取出前100条样本，前200条样本即是全部的样本数，在第1题中已计算过
import pandas as pd
data = pd.read_csv('data/advertising.csv',index_col = 0)
x1 = data.iloc[:100,0:3]
y1 = data.iloc[:100,3]
from sklearn.linear_model import LinearRegression
linregHalf = LinearRegression()
linregHalf.fit(x1,y1)
print(linregHalf.intercept_,linregHalf.coef_)

#将模型linregHalf运用到测试集
y_test_pred3 = linregHalf.predict(x_test)
test_err3 = metrics.mean_squared_error(y_test,y_test_pred3)
print('The mean squar error of test are:{:.3f}'.format(test_err3))
predict_score3 = linregHalf.score(x_test,y_test)
print('The decision coeficient is:{:.3f}'.format(predict_score3))

分析： 由练习1可知，200条样本学习的模型在测试集上的决定系数为0.916，而模型linregHalf的为0.915，决定系数高的预测效果要好，所以200条数据的模型在测试集上的预测效果较好一些，差别不大，预测效果基本相同。