python线性拟合模型_Python机器学习-线性回归模型篇

一、What机器学习是什么

机器学习简单来说，是从数据中归纳出有用的规则，它是一种新的编程方式，它不需要人类来总结经验、输入逻辑，人类只需要把大量数据输入计算机，然后计算机就可以自动总结经验归纳逻辑，这个过程叫做训练，训练得到了模型，这个模型可以用来代替人去判断，训练得比较好的模型甚至可以超过人类的判断精准度。(图像识别)

二、一元线性回归一般步骤

❤表达式：y=ax+b,只包含一个自变量和一个因变量，且两者的关系可以用一条直线近似表示，这种回归分析被称为一元线性回归。

步骤实践：

问题：时间为40时的访问量你能预测出来吗？

❤引入python的sklearn机器学习包sklearn这个包是python的机器学习包，LinearRegression是其内的线性回归模型，建立模型前需要先引入该模型

❤初始化模型模型名称加括号即可初始化该模型

❤建立训练集和测试集及数据预处理train_test_split函数能从样本中随机按比例选出测试数据和训练数据，默认是按3:1的比例分割样本训练数据及测试数据，可通过train_size= 参数来自定义分割比例

❤模型训练reshape(-1,1)行参数-1是根据所给的列数自动按照所给的数组的大小形成一个新的数组

❤模型评估-决定系数R平方

※有多少百分比的y波动没有被回归线描述=

误差平方和/总波动

※有多少百分比的y波动被回归线描述=

1-误差平方和/总波动≈决定系数R平方有98.9%的y波动能够被回归线描述出来

❤模型应用

决定系数R平方高达98.9%证明模型已经非常优秀了，可以直接进行应用了，时间为40时通过模型预测浏览量为41.57

三、多元线性回归模型

实例链接： ↓↓↓ 密码：45r0

这是一个200行5列的数据，求分析销售与电视、广播、报纸之间的相关模型https://pan.baidu.com/s/1Y2z120FJK9H6ExxKM3XygA​pan.baidu.com数据情况了解

相关性分析：发现sales跟另外3个变量均有正相关性

❤操作步骤类比一元线性模型

❤模型应用

TV:500 radio:30 newspaper:6时模型预测sales=26.70

四、多项式回归

实践链接：↓↓↓ 密码：4br5https://pan.baidu.com/s/1yxKcdxozDdOvPNmNcQK9zw​pan.baidu.com

y+ax²+bx+c(二次方)

分析问题：以链家的房产数据为例，要求构建远洋山水小区的成交单价随时间的变化模型第一步：导入数据，进行数据预处理第二步：数据预处理(筛选子集、时间序列转换、数据类型转换、数据筛选等操作)第三步：绘制数据，选定模型类型

选定模型为多项式回归模型，开始构建时间与成交单价的多项式模型并评估模型第四步：构建变量time构建的该模型的决定系数R平方得分为57%，证明该模型拟合的情况一般尚有改进的空间构建4次方模型后，决定系数R平方得分较3次方摸性有所提高，得分为61%，照此方法多次试验可最终找到最优拟合多项式

按照实践数据集一步步操作可加深印象，以上是三种比较常用的线性回归模型☺