应用线性回归模型简单预测糖尿病病人数据—python

线性回归是一种回归分析技术，机器学习中的算法之一。回归分析的本质就是一个函数估计的问题(参数估计和非参数估计)，即找出自变量和因变量之间的关系，回归分析是一个有监督学习的问题。下面使用scikit-learn中自带的糖尿病病人的数据集进行预测性能分析。

import numpy as np
from sklearn import datasets,linear_model,discriminant_analysis,model_selection
#导入的model_selection,有的地方是cross_validation，只是在有些版本中弃用了这种写法
def load_data():   #定义一个加载糖尿病病人数据集的函数
	diabetes=datasets.load_diabetes()
	return model_selection.train_test_split(diabetes.data,diabetes.target,
						test_size=0.25,random_state=0)

其中，train_test_split是一个划分数据集函数,return返回一个元组，依次是：划分的样本特征值，划分的样本结果(样本的标签集)，样本占比，随机种子数。
test_size:测试集占数据集的比重，若为整数则表示样本数量。
random_state:随机种子数，在需要重复实验时，保证的得到一组一样的随机数，若为None，产生的随机数也是随机的。

def test_LinearRegression(*data):  #使用LinearRegression函数
# *data表示将传进来的位置参数装在元组data里面
	X_train,X_test,y_train,y_test=data
	regr=linear_model.LinearRegression()
	regr.fit(X_train,y_train)  
	print("Coefficients:%s  intercept:%.2f" % (regr.coef_,regr.intercept_))
	print("Residual sum of squares:%.2f" % np.mean((regr.predict(X_test)-y_test)**2))
	print("Score:%.2f" % regr.score(X_test,y_test))

相关参数及其属性的解释：
fit(X,y[,sample_weight])：训练模型，对输入数据进行训练
coef_:权重向量，即线性模型中的参数
intercept_:截距，即b值
predict(X):用模型进行预测，返回预测值
score(X,y[,sample_weight]):返回预测性能得分。score不超过1，但是可能为负值；score越大，预测性能越好

X_train,X_test,y_train,y_test=load_data()
test_LinearRegression(X_train,X_test,y_train,y_test)

得到函数输出结果如下：

可以看到预测性能仅为0.36(该值越大越好，1.0最好)