机器学习：利用sklearn方法的一元线性回归模型（通过成绩预测绩点）

这是之前学习线性回归时做的模型，精简版如果去掉注释只用了16行~~

首先需要数据：一个班级内所有人某课程的成绩、所有人最后的平均绩点（当然数据越多越好）

72	2.5
81	2.98
61	1.76
81	2.89
72	2.24
56	2.25
68	2.03
60	1.97
60	2.16
89	2.48
73	2.22
60	1.9
72	2.29
86	2.69
67	1.81
71	2.73
86	3.1
59	1.28
71	2.52
77	2.92
55	1.79
95	3.24
72	2.48
64	1.85
77	3.15
75	2.55
68	1.9
69	2.05
71	2.24
74	2.63
73	2.88
78	2.06
91	3.03
76	2.37
56	1.21
59	1.19
63	1.9
76	2.42
93	3.09

这里用了我们班大一下学期的高数成绩，可以看出来很是惨烈

接下来先上源码和运行截图再进行概述

import matplotlib.pyplot as plt
import xlrd
from sklearn.linear_model import LinearRegression
import numpy as np
# 载入数据，打开excel文件
ExcelFile = xlrd.open_workbook("D:\文件\机器学习/new.xls")
sheet1 = ExcelFile.sheet_by_index(0)
x = sheet1.col_values(0)
y = sheet1.col_values(1)
# 将列表转换为matrix
x = np.matrix(x).reshape(39, 1)
y = np.matrix(y).reshape(39, 1)
print(x, y)
model = LinearRegression()
model.fit(x, y)
# 划线
plt.plot(x, y, 'b.')
plt.plot(x, model.predict(x), 'r')
plt.show()

结果说明：可以看到运行出来是一个一次函数的图像，当把鼠标放到坐标系的任意位置，右下角都会显示其对应的x和y的值，其中x代表自变量(数学成绩)，y代表（平均绩点），这样就能清楚的观察到，当数学成绩为多少时，平均绩点的可能值（反之仍成立）

使用的第三方库作用：

1、matplotlib:是一个画图所需要的包

2、xlrd：我用的是xls格式的Excel文件，所以用了这个库来导入对应的表以及表中的行和列

3、numpy:这里用numpy里的matrix方法将表格转换为矩阵形式

4、sklearn.linear_model：使用了sklearn中的线性回归模型，关于这里详情可以看之前本人写好的文章https://blog.csdn.net/tianhai12/article/details/119273702

机器学习：Sklearn库中linear_model线性模型中‘LinearRegression‘线性回归源码理解（一）_tianhai12的博客-CSDN博客