文章目录
一、概念
1. 什么是回归
回归的目的是为了预测,比如在【待补充】这篇文章中通过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、具体实现步骤
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('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)
第2步:使用简单线性回归模型来训练训练集
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)
第4步:可视化
训练集结果可视化
plt.scatter(X_train, Y_train, color='red')
plt.plot(X_train, regressor.predict(X_train), color='blue')
plt.show()
测试集结果可视化
plt.scatter(X_test, Y_test, color='red')
plt.plot(X_test, regressor.predict(X_test), color='blue')
plt.show()
三、可视化结果展示
训练集结果可视化结果
测试集结果可视化结果
四、知识点详解
1. 关于LinearRegression()
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。
解释一下什么是回归:回归最简单的定义是,给出一个点集D,用一个函数去拟合这个点集,并且使得点集与拟合函数间的误差最小,如果这个函数曲线是一条直线,那就被称为线性回归,如果曲线是一条二次曲线,就被称为二次回归。
更多关于回归知识见:线性回归
2. 关于数据可视化
plt.scatter():绘画出训练集数据的散点图
plt.plot():绘画出依据模型(LinearRegression的线性回归模型)生成的直线
更加直观的观察数据集中的X、Y是否存在线性关系
关于数据可视化更多知识见:Matplotlib 简介
你可以在下方留下你的疑惑,大家一起来看看