线性回归api再介绍

1 线性回归api再介绍

2. 案例：波⼠顿房价预测

2.1 案例背景介绍

2.2. 案例分析

回归当中的数据⼤⼩不⼀致，是否会导致结果影响较⼤。所以需要做标准化处理。

• 数据分割与标准化处理
• 回归预测
• 线性回归的算法效果评估

2.3 回归性能评估

2.4 代码实现

• 正规⽅程

"""
1. 获取数据
2. 数据基本数据
2.1 分割数据
3. 特征工程标准化
4. 机器学习---线性回归
5. 模型评估
"""
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LinearRegression,SGDRegressor,RidgeCV,Ridge
from sklearn.metrics import mean_squared_error
import warnings
warnings.filterwarnings("ignore")

def linear_model1():
    """
    线性回归：正规方程
    :return:
    """
    # 1.获取数据
    boston=load_boston()
    # 2.数据基本数据
    # 2.1 分割数据
    x_train,x_test,y_train,y_test=train_test_split(boston.data,boston.target,test_size=0.2)
    # 3.特征工程--标准化
    transfer=StandardScaler()
    x_train=transfer.fit_transform(x_train)
    x_test=transfer.fit_transform(x_test)
    # 4.机器学习---线性回归
    estimator=LinearRegression()
    estimator.fit(x_train,y_train)

    print("这个模型的偏置是：\n",estimator.intercept_)
    print("这个模型的系数是：\n",estimator.coef_)

    # 5. 模型评估
    ## 5.1 预测值
    y_pre=estimator.predict(x_test)
   # print("预测值是：\n",y_pre)
    ## 5.2 均方误差
    ret=mean_squared_error(y_test,y_pre)
    print("均方误差：\n",ret)

• 梯度下降法

def linear_model2():
    """
    线性回归:梯度下降法
    :return:
    """
    # 1.获取数据
    boston=load_boston()
    # 2.数据基本数据
    # 2.1 分割数据
    x_train,x_test,y_train,y_test=train_test_split(boston.data,boston.target,test_size=0.2)
    # 3.特征工程--标准化
    transfer=StandardScaler()
    x_train=transfer.fit_transform(x_train)
    x_test=transfer.fit_transform(x_test)
    # 4.机器学习---线性回归
    #estimator=SGDRegressor(max_iter=1000,learning_rate="constant",eta0=0.001)
    estimator=SGDRegressor(max_iter=1000)
    estimator.fit(x_train,y_train)

    print("这个模型的偏置是：\n",estimator.intercept_)
    print("这个模型的系数是：\n",estimator.coef_)

    # 5. 模型评估
    ## 5.1 预测值
    y_pre=estimator.predict(x_test)
  #  print("预测值是：\n",y_pre)
    ## 5.2 均方误差
    ret=mean_squared_error(y_test,y_pre)
    print("均方误差：\n",ret)