python画线性回归图_如何用Python徒手写线性回归

对于大多数数据科学家而言，线性回归方法是他们进行统计学建模和预测分析任务的起点。这种方法已经存在了 200 多年，并得到了广泛研究，但仍然是一个积极的研究领域。由于良好的可解释性，线性回归在商业数据上的用途十分广泛。当然，在生物数据、工业数据等领域也不乏关于回归分析的应用。

另一方面，Python 已成为数据科学家首选的编程语言，能够应用多种方法利用线性模型拟合大型数据集显得尤为重要。

如果你刚刚迈入机器学习的大门，那么使用 Python 从零开始对整个线性回归算法进行编码是一次很有意义的尝试，让我们来看看怎么做吧。

数据

机器学习问题的第一步是获取数据，没有可以学习的数据就没有机器学习。本文将使用非常常规的线性回归数据集——房价预测数据集。

这是一个包含俄勒冈州波特兰市房价的简单数据集。该数据集中第一列是房屋面积(以平方英尺为单位)，第二列是卧室的数量，第三列是房屋价格。该数据集中有多个特征(例如，house_size 和房间数)，因此我们将研究多元线性回归，标签 (y) 是我们将要预测的房价。

首先定义用于加载数据集的函数：

def load_data(filename):

df = pd.read_csv(filename, sep=",", index_col=False)

df.columns = ["housesize", "rooms", "price"]

data = np.array(df, dtype=float)

plot_data(data[:,:2], data[:, -1])

normalize(data)

return data[:,:2], data[:, -1]

我们稍后将调用上述函数来加载数据集。此函数返回 x 和 y。

归一化数据

上述代码不仅加载数据，还对数据执行归一化处理并绘制数据点。在查看数据图之前，我们首先了解上述代码中的 normalize(data)。

查看原始数据集后，你会发现第二列数据的值(房间数量)比第一列(即房屋面积)小得多。该模型不会将此数据评估为房间数量或房屋面积，对于模型来说，它们只是一些数字。机器学习模型中某些列(或特征)的数值比其他列高可能会造成不想要的偏差，还可能导致方差和数学均值的不平衡。出于这些原因，也为了简化工作，我们建议先对特征进行缩放或归一化，使其位于同一范围内(例如 [-1,1] 或 [0,1])，这会让训练容易许多。因此我们将使用特征归一化，其数学表达如下：

Z = (x — μ) / σ

μ : mean

σ : standard deviation

其中 z 是归一化特征，x 是非归一化特征。有了归一化公式，我们就可以为归一化创建一个函数：

def normalize(data):

for i in range(0,data.shape[1]-1):

data[:,i] = ((data[:,i] - np.mean(data[:,i]))/np.std(data[:, i]))

上述代码遍历每一列，并使用每一列中所有数据元素的均值和标准差对其执行归一化。

绘制数据

在对线性回归模型进行编码之前，我们需要先问「为什么」。

为什么要使用线性回归解决这个问题？这是一个非常有用的问题，在写任何具体代码之前，你都应该非常清楚要使用哪种算法，以及在给定数据集和待解决问题的情况下，这是否真的是最佳选择。

我们可以通过绘制图像来证明对当前数据集使用线性回归有效的原因。为此，我们在上面的 load_data 中调用了 plot_data 函数，现在我们来定义一下 plot_data 函数：

def plot_data(x, y):

plt.xlabel('house size')

plt.ylabel(