第一部分 回归算法
(一)线性回归
线性模型
线性回归
损失函数(误差大小)
减小误差的方法
正规方程
梯度下降
正规方程、梯度下降API
回归性能评估
回归评估API
两种方法的总结
(二)欠拟合与过拟合
定义
产生原因及解决方法
(三)岭回归——带正则项的线性回归
正则化
岭回归API
代码实例——预测波士顿的房价
from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression,SGDRegressor,Ridge
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import mean_squared_error
import numpy as np
def myliner():
'''
线性回归直接预测房子价格
'''
#获取数据
lb=load_boston()
#分割数据集到训练集和测试集
x_train,x_test,y_train,y_test=train_test_split(lb.data,lb.target,test_size=0.25)
#进行标准化处理,特征值和标准值都必须进行标准化处理
std_x=StandardScaler()
x_train=std_x.fit_transform(x_train)
x_test=std_x.transform(x_test)
std_y = StandardScaler()
y_train = std_y.fit_transform(y_train.reshape(-1,1)) #0.19版的sklearn要求传入的数组必须是二维数组
y_test = std_y.<