机器学习第2天：简单线性回归模型

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