sklearn学习——Python预测糖尿病人是否患癌症(Linear Regression)

分类(Classification)与回归(Regression)都属于监督学习,他们的区别在于:

分类:用于预测有限的离散值,如是否得了癌症(0,1),或手写数字的判断,是0,1,2,3,4,5,6,7,8还是9等。分类中,预测的可能的结果是有限的,且提前给定的。

回归:用于预测实数值,如给定了房子的面积,地段,和房间数,预测房子的价格。

LinearRegression 拟合一个带有系数 w = (w1, …, wp) 的线性模型,使得数据集实际观测数据和预测数据(估计值)之间的残差平方和最小。
其数学表达式为:

在这里插入图片描述

  1. 进行预测前查看一下数据集
    https://scikit-learn.org/stable/datasets/index.html#diabetes-dataset

    在这里插入图片描述
    diabetes数据集,这是一个糖尿病的数据集,主要包括442行数据,10个属性值,分别是:Age(年龄)、性别(Sex)、Body mass index(体质指数)、Average Blood Pressure(平均血压)、S1~S6一年后疾病级数指标。Target为一年后患疾病的定量指标。

  2. 进行预测
    fit(x, y): 训练。分析模型参数,填充数据集。其中x为特征,y位标记或类属性。

    predict(): 预测。它通过fit()算出的模型参数构成的模型,对解释变量进行预测其类属性。预测方法将返回预测值y_pred。

    import numpy as np
    import matplotlib.pyplot as plt
    from sklearn import datasets, linear_model
    
    # 从sklearn中导入数据
    diabetes = datasets.load_diabetes()
    # 选择其中一种属性,按照二维数组输出
    diabetes_x = diabetes.data[:, np.newaxis, 2]
    # 将数据分成训练集和测试集
    # 测试集为后20行,其他的为训练集
    diabetes_x_train = diabetes_x[:-20]
    diabetes_x_test = diabetes_x[-20:]
    # 将定量指标分为训练集和测试集
    diabetes_y_train = diabetes.target[:-20]
    diabetes_y_test = diabetes.target[-20:]
    
    # 通过fit(x,y)方法训练模型
    regr 
  • 4
    点赞
  • 32
    收藏
    觉得还不错? 一键收藏
  • 3
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值