机器学习01学习 -- 使用简单线性回归根据年龄预测医疗费用

最新推荐文章于 2023-03-30 13:16:22 发布
最新推荐文章于 2023-03-30 13:16:22 发布
阅读量1.6k 收藏 31
点赞数 2
分类专栏： 机器学习 文章标签： pycharm python 机器学习 回归 sklearn
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qilie_32/article/details/120319692
版权

机器学习01学习 – 使用简单线性回归根据年龄预测医疗费用

文章目录

最近学习了一些机器学习的内容；我获取到了一些数据可以用来进行训练，对于在这方面几乎毫无涉猎的我，便直接开始了这次的代码编写

环境准备

语言：Python

IDE: Pycharm

首先这次我们用的编程语言是python

JetBrains家的产品，用过都说香，无论是我们之前Java web用的IDEA 、写Harmony OS用的DevEco Studio还是写Android app用的Android Studio，都是JetBrains家的产品，所以在这之前学习python语法的时候我就下载了Pycharm，借此契机也升级Pycharm到达最新版本

需要注意的是，这个项目我们需要用到一些科学计算的东西，所以我们还需要安装anaconda。

anaconda的安装大概就是下载安装包然后安装，需要注意的是如何在pycharm中配置anaconda

项目新建

我们点击 文件->新建项目
在这里插入图片描述
点击创建
在这里插入图片描述

可恶居然报错了？没关系，我们先确认

然后点击文件->设置->项目：使用简单线性回归根据年龄预测医疗费用->python 解释器
在这里插入图片描述

显然我们现在没有解释器，python作为解释语言没有解释器就没办法运行

第一次敲anaconda代码的我们需要新建，点击下拉列表右边的小齿轮后点击全部显示，看一下有没有我们要用的anaconda，如果没有，就点击左上角的加号，左侧选择系统解释器，修改解释器的位置，选泽anaconda文件夹下的python.exe，并按下确定，选择新增的Anaconda的解释器并确定

在这里插入图片描述

再次基础上按下软件包表上方的小绿圈，一顿加载后，点击 应用，再点击 确定

这时我们就已经可以运行它自动生成的代码了，可喜可贺

知识储备

在做这个项目之前，有一些内容是我们需要知道的，当然我在这篇博客中不会讲原理，我只会讲代码

  • pandas.read_csv(path)

    读取csv文件，path是文件路径，

  • LabelEncoder().fit_transform(columnName)

    将列的数据转化为整数数值，比方说 address=[‘广州’，‘上海’，‘北京’，‘广州’]，就可以转化为['0，1，2，0]

  • numpy.newaxis

    用于将数组升维，位于中括号里前方是将整个数组由[A,B,C]变为[[A,B,C]],位于中括号里后方就是将整个数组由[A,B,C]变成[[A],[B],[C]]

  • x_train, x_test, y_train, y_test = train_test_split(features,targets,test_size,random_state)

    features 所要划分的样本特征集

    targets 所要划分的样本结果

    test_size 划分的数量，整数为个数，小于1的小数则为百分比

    random_state 随机数种子

    分割测试集和训练集，训练集用来训练；而测试集不参与训练；只用来验证其正确性

  • LinearRegression().fit(x_train, y_train)

    训练模型 x_train是训练特征集，y_train是训练结果集

    值得注意的是在sklearn新版本中，所有的数据都应该是二维矩阵，所以x_train和y_train都需要是二维矩阵，要是x_train或者y_train是一维数组，那么就可以用到前面讲到的numpy.newaxis

  • LinearRegression().predict(x_test)

    根据训练好的模型，给与测试特征集的值让其返回模型预测结果的值

  • r2_score(y_test, y_pred)

    y_pred 是指预测的结果值

    与linear_model.score(x_test, y_test)功能一致

    获取R方值，用于判断回归模型的好坏程度

    img

  • matplotlib.pyplot.scatter(x_axis, y_axis, c, s)

    在图上撒点

    x_axis x轴的数据

    y_axis y轴的数据

    c 点的颜色

    s 点的大小

  • matplotlib.pyplot.plot(x_axis, y_axis, color, linewidth)

    在图上画线

    color 线的颜色

    linewidth 线的粗细

  • matplotlib.pyplot.show()

    显示线

代码实战

除了结果集全部作为特征集预测结果

  1. 首先我们肯定想着，要训练一个东西，自然需要将他进行读取

    import pandas as pd
data = pd.read_csv("insurance.csv")

  2. 然后我们使用LabelEncoder().fit_transform(columnName)将他进行数据处理

    from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
for col in data.columns:
    data[col] = le.fit_transform(data[col])

  3. 我们将除了结果集的全部作为特征集

    feature = data.iloc[:, :-1]  # 全部行 除了最后一列的全部列
target = data.iloc[:, -1]

  4. 划分训练集，测试集

    from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(feature, target, test_size=0.2, random_state=216)

    这里我们选择将数据的20%作为测试集

  5. 训练模型

    from sklearn.linear_model import LinearRegression
linear_model = LinearRegression()
linear_model.fit(x_train, y_train)

  6. 将测试集的特征集和结果集带入，获取R方值

    print("R方值：" + str(linear_model.score(x_test, y_test)))

    输出了结果

    R方值：0.7773044847048564

    颇为满意（就这也满意？）

  7. 预测数据

    user_feature = [[42, 1, 224, 0, 0, 3]]
user_target = linear_model.predict(user_feature)
print("预测花费大约为"+str(user_target[0]))

    输出了结果

    预测花费大约为756.8992005547243

  8. 完整代码

    import pandas as pd
from sklearn.preprocessing import LabelEncoder
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import r2_score

data = pd.read_csv("insurance.csv")

le = LabelEncoder()
# 将数据转化为整数数值并赋值
for col in data.columns:
    data[col] = le.fit_transform(data[col])
feature = data.iloc[:, :-1]  # 全部行 除了最后一列的全部列
target = data.iloc[:, -1]
x_train, x_test, y_train, y_test = train_test_split(feature, target, test_size=0.2, random_state=216)
# X 所要划分的样本特征集
# y 所要划分的样本结果
# 分割测试集和训练集，训练集用来训练；而测试集不参与训练；只用来验证其正确性
linear_model = LinearRegression()
linear_model.fit(x_train, y_train)

# 与测试样本结果比较，获取得分
y_pred = linear_model.predict(x_test)
# 以下两句效果一致
print("R方值：" + str(r2_score(y_test, y_pred)))

print("R方值：" + str(linear_model.score(x_test, y_test)))

# 输入测试特征集，在模型中获取预测结果
user_feature = [[42, 1, 224, 0, 0, 3]]
user_target = linear_model.predict(user_feature)
print("预测花费大约为"+str(user_target[0]))

单项特征集与结果集训练绘出图像

  1. 前面的操作是大致一致的

    import pandas as pd
from sklearn.preprocessing import LabelEncoder
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import r2_score

data = pd.read_csv("insurance.csv")

le = LabelEncoder()
# 将数据转化为整数数值并赋值
for col in data.columns:
    data[col] = le.fit_transform(data[col])

  2. 切割训练测试集

    # 升维
feature = data.iloc[:, 0]
feature_2d = feature[:, np.newaxis]
target = data.iloc[:, -1]
x_train, x_test, y_train, y_test = train_test_split(feature_2d, target, test_size=0.2, random_state=216)

  3. 训练模型的代码也是一样的

    from sklearn.linear_model import LinearRegression
linear_model = LinearRegression()
linear_model.fit(x_train, y_train)

  4. 绘图

    import matplotlib.pyplot as plt
plt.scatter(x_train, y_train, c='b', s=10)
# s 点的大小 前两个参数是横纵坐标，大小需要一样
plt.plot(x_test, y_pred, color='red', linewidth=1.0)
plt.show()

    效果如图
    在这里插入图片描述

  5. 完整代码

import numpy as np
import pandas as pd
from sklearn.preprocessing import LabelEncoder
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import r2_score
import matplotlib.pyplot as plt

data = pd.read_csv("insurance.csv")

le = LabelEncoder()
# 将数据转化为整数数值并赋值
for col in data.columns:
   if col == 'sex' or col == 'smoker' or col == 'region':
       data[col] = le.fit_transform(data[col])
# 升维
feature = data.iloc[:, 0]
print(feature)
feature_2d = feature[:, np.newaxis]
target = data.iloc[:, -1]
x_train, x_test, y_train, y_test = train_test_split(feature_2d, target, test_size=0.2, random_state=216)
# X 所要划分的样本特征集
# y 所要划分的样本结果
# 分割测试集和训练集，训练集用来训练；而测试集不参与训练；只用来验证其正确性
linear_model = LinearRegression()
linear_model.fit(x_train, y_train)

# 与测试样本结果比较，获取得分
y_pred = linear_model.predict(x_test)
# 以下两句效果一致
print("R方值：" + str(r2_score(y_test, y_pred)))
print("R方值：" + str(linear_model.score(x_test, y_test)))

plt.scatter(x_train, y_train, c='b', s=10)
# s 点的大小 前两个参数是横纵坐标，大小需要一样
plt.plot(x_test, y_pred, color='red', linewidth=1.0)
plt.show()
LeyoBiang
关注
  • 2
    点赞
  • 踩
  • 31
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
机器学习-医疗保险花费问题
weixin_45753078的博客
11-23 2375
概述 使用 数据介绍 数据基于医疗保险背景，文件insurance.csv包含了1338名患者（即保险受益人）的个人信息，包括年龄、性别、BMI、家中孩子数量、是否吸烟、居住地，以及医保对其个人的医疗花费。 数据来源为：https://www.kaggle.com/mirichoi0218/insurance 热编码 观察源数据，结构比较简单，并且没有缺失值。 但是有三个变量比价特殊： sex：有male和female两种取值 smoker：yes、no两种 region：northeast、northwe
使用线性回归来进行每个人的平均医疗费用预测
Yang_Fei_Long的博客
10-16 2929
先贴出代码如下: insurance<-read.csv("insurance.csv",stringsAsFactors = FALSE) ins_model<-lm(expenses~.,data = insurance) summary(ins_model) (ins_model这句话的意思就是以insurance为数据源,建立expenses和数据源其他属性的(一次)线性关系. ".
基于Python的医疗花费预测
毕业作品网站
06-30 1592
分别通过全手写不调包实现随机森林、全手写不调包实现线性回归、借助 scikit-learn 包实现 GBDT、SVR、LassoRegression、决策树模型来求解该问题，使用 randomizedSearchCV、GridSearchCV、手动调参三种方式进行模型调参，并对 RandomForest、GBDT、DecisionTree、SVR、LinerRegression 模型进行了模型融合，模型融合时尝试使用了直接平均法、加权平均法、stacking 堆叠法进行，同时使用 K 折交叉验证、留一法等多
应用线性回归预测医疗费用
kityanyuren的博客
04-19 4566
公司为了赚钱，保险需要募集比花费在受益者的医疗服务上更多的年度保费，因此，保险公司投入了大量的时间和金钱来研发能精确预测医疗费用的模型。 医疗费用很难估计，因为花费最高的情况是罕见的而且似乎是随机的。但是有些情况对于特定的群体还是比较普遍存在的。例如，吸烟者比不吸烟者得肺癌的可能性更大，肥胖的人更有可能得心脏病。 此分析的目的是利用病人的数据来预测这部分群体的平均医疗费用。这些估计可以用来创造一个精算表，根据预期的治疗费用来设定年度保费价格是高一点还是低一点。 1.收集数据 为了便于分析，我们使用一个模拟数
基于Python的医疗花费预测.zip
06-30
资源包含文件：设计报告word+源码 分别通过全手写不调包实现随机森林、全手写不调包实现线性回归、借助 scikit-learn 包实现 GBDT、SVR、LassoRegression、决策树模型来求解该问题，使用 randomizedSearchCV、GridSearchCV、手动调参三种方式进行模型调参，并对 RandomForest、GBDT、DecisionTree、SVR、LinerRegression 模型进行了模型融合，模型融合时尝试使用了直接平均法、加权平均法、stacking 堆叠法进行，同时使用 K 折交叉验证、留一法等多种方法进行模型评判。 读入数据集以后，通过 describe 方法观察是否数据的大概情况，使用 isnull().sum()方法观察发现数据中不存在空值。测试集较小，仅 1070 行，由于需要尽可能地利用数据，无需舍去数据、无需采样。但在进行检查时发现，数据中存在相同值。 详细介绍参考：https://blog.csdn.net/sheziqiong/article/details/125542255
医疗费用预测
m0_51683462的博客
07-19 2437
采用线性回归（LASS， 岭回归）, 随机森林对 医疗费用进行预测。
线性回归应用：预测医疗费用
m0_52179617的博客
09-09 1386
线性回归预测 比较自定义函数和sklearn函数预测
机器学习（15）精确率&&召回率&&F1-score（查看癌症预测结果的精确率、召回率）
great_yzl的博客
09-13 1088
目录 一、基础理论 1、混淆矩阵 2、精确率 3、召回率 4、F1-score 二、查看癌症预测结果的精确率、召回率 API 查看癌症预测结果的精确率、召回率 总代码 一、基础理论 1、混淆矩阵 预测结果与正确标记之间存在四种不同的组合： 2、精确率 精确率： 预测结果为正例样本中真实为正例的比例。 3、召回率 召回率：真实为正例样本中，预测结果为正例的比例。（真实为癌症能够被检测出来的概率） （重要，检测查的全不全） 4、F1-score 反映..
读取并处理data文件
weixin_43259478的博客
03-30 1270
处理data数据
医疗花费预测机器学习数据集
09-11
机器学习的数据集，预测医疗花费，一共是1070行，7列。即7个属性，分别是年龄、性别、bmi指数、孩子个数、是否吸烟、地区、医疗花费。
Python数据分析医疗费用预测.zip
08-17
Python数据分析——医疗费用预测
应用线性回归预测医疗费用，含详细讲解及代码
07-06
应用线性回归预测医疗费用，内含详细讲解及代码
机器学习预测天气-逻辑回归-线性回归
07-05
机器学习预测天气-逻辑回归-线性回归
机器学习系列6 使用Scikit-learn构建回归模型：简单线性回归、多项式回归与多元线性回归
04-26
机器学习系列6 使用Scikit-learn构建回归模型：简单线性回归、多项式回归与多元线性回归
回归机器入门实例三一-线性回归预测网店销售额的数据集人工智能-机器学习
06-18
线性学习预测网店销售额的数据集
机器学习算法Python实现-线性回归，逻辑回归，BP神经网络
最新发布
05-12
机器学习算法Python实现——线性回归，逻辑回归，BP神经网络 机器学习算法Python实现 一、线性回归 1、代价函数 2、梯度下降算法 3、均值归一化 4、最终运行结果 5、使用scikit-learn库中的线性模型实现 二、逻辑...
机器学习大作业-基于线性回归的PM2.5预测系统python源码+项目说明
02-24
机器学习大作业--基于线性回归的PM2.5预测 收集合肥地区过去一段时间（例如过去一年每个月的平均值）的空气质量（例如pm2.5值），然后构建回归模型，能够预测今年某个月的空气质量值。 - 不懂运行，下载完可以私聊问...
【ML】线性回归及梯度下降法
Explore
03-04 225
线性回归模型：参数估计推导，梯度下降求解
机器学习 --- 线性回归
03-29
线性回归是一种基本的机器学习算法，它用于预测一个连续变量的值，基于一个或多个自变量的值。...线性回归是机器学习中最基本的算法之一，它的应用非常广泛，包括数据分析、金融预测、医疗预测等领域。

“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 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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