不积跬步无以至千里,实践经验得慢慢积累,就从线性回归开始练习。
【导入所需要用到的库和数据分析】
导入库:
##用于可视化图表
import matplotlib.pyplot as plt
##用于做科学计算
import numpy as np
##用于做数据分析
import pandas as pd
##用于加载数据或生成数据等
from sklearn import datasets
##加载线性模型
from sklearn import linear_model
###用于交叉验证以及训练集和测试集的划分
from sklearn.cross_validation import train_test_split
from sklearn.model_selection import cross_val_predict
###这个模块中含有评分函数,性能度量,距离计算等
from sklearn import metrics
数据集:选择波士顿房价数据集,这是sklearn自带的小数据集,是一个用于回归任务的经典数据集。
boston = datasets.load_boston()
print(boston.data.shape)
print(boston["feature_names"])
输出为:
(506, 13)
['CRIM' 'ZN' 'INDUS' 'CHAS' 'NOX' 'RM' 'AGE' 'DIS' 'RAD' 'TAX' 'PTRATIO'
'B' 'LSTAT']
我们可以了解到这个数据集中有506个样本,每个样本有13个输入特征,分别是:
feature | means |
---|---|
CRIM | 城镇人均犯罪率 |
ZN | 住宅用地超过25000sq.ft的比例 |
INUDS | 城镇非零售商用土地的比例 |
CHAS | 查理斯河空变量(如果边界是河流则为1,否则为0) |
NOX | 一氧化氮浓度 |
RM | 住宅平均房间数 |
AGE | 1940年之前建成的自用房屋比例 |
DIS | 到波士顿五个中心区域的加权距离 |
RAD | 辐射性公路接近指数 |
TAX | 每10000美元的全值财产税率 |
PTRATIO | 城镇师生比例 |
B | 1000 (Bk−0.63)2 ( B k − 0.63 ) 2 ,其中 Bk |