python实现线性回归_python实现线性回归

参考：《机器学习实战》- Machine Learning in Action

一、 必备的包

一般而言，这几个包是比较常见的：

• matplotlib，用于绘图

• numpy，数组处理库

• pandas，强大的数据分析库

• sklearn，用于线性回归的库

• scipy， 提供很多有用的科学函数

我一般是用pip安装，若不熟悉这些库，可以搜索一下它们的简单教程。

二、 线性回归

为了尽量简单，所以用以下一元方程式为例子：

典型的例子是房价预测，假设我们有以下数据集：

我们需要通过训练这些数据得到一个线性模型，以便来预测大小为700平方英尺的房价是多少。

详细代码如下：

importmatplotlib.pyplot as pltimportnumpy as npimportpandas as pdfrom sklearn importdatasets, linear_modeldefget_data(file_name):

data=pd.read_csv(file_name)

X_parameter=[]

Y_parameter=[]for single_square_feet ,single_price_value in zip(data['square_feet'],data['price']):

X_parameter.append([float(single_square_feet)])

Y_parameter.append(float(single_price_value))returnX_parameter,Y_parameterdeflinear_model_main(X_parameters,Y_parameters,predict_value):

regr=linear_model.LinearRegression()

regr.fit(X_parameters, Y_parameters)

predict_outcome=regr.predict(predict_value)

predictions={}

predictions['intercept'] =regr.intercept_

predictions['coefficient'] =regr.coef_

predictions['predicted_value'] =predict_outcomereturnpredictionsdefshow_linear_line(X_parameters,Y_parameters):

regr=linear_model.LinearRegression()

regr.fit(X_parameters, Y_parameters)

plt.scatter(X_parameters,Y_parameters,color='blue')

plt.plot(X_parameters,regr.predict(X_parameters),color='red',linewidth=4)#plt.xticks(())

#plt.yticks(())

plt.show()if __name__ == "__main__":

X,Y= get_data('E:/machine_learning/LR/input_data.csv')#show_linear_line(X,Y)

predictvalue = 700result=linear_model_main(X,Y,predictvalue)print "Intercept value" , result['intercept']print "coefficient" , result['coefficient']print "Predicted value:",result['predicted_value']

结果如图：

前两个为公式里的参数。

三、 多项式回归

简单的线性模型误差难免高，于是引入多项式回归模型，方程式如下：

这次我们用scipy.stats中的norm来生成满足高斯分布的数据，直接贴代码：

#encoding:utf-8

importmatplotlib.pyplot as pltimportnumpy as npfrom scipy.stats importnormfrom sklearn.pipeline importPipelinefrom sklearn.linear_model importLinearRegression, SGDClassifierfrom sklearn.preprocessing importPolynomialFeatures, StandardScaler

x= np.arange(0, 1, 0.002)

y= norm.rvs(0, size=500, scale=0.1) #高斯分布数据

y = y + x**2plt.scatter(x, y, s=5)

y_test=[]

y_test=np.array(y_test)#clf = LinearRegression(fit_intercept=False)

clf = Pipeline([('poly', PolynomialFeatures(degree=100)),

('linear', LinearRegression(fit_intercept=False))])

clf.fit(x[:, np.newaxis], y)

y_test=clf.predict(x[:, np.newaxis])

plt.plot(x, y_test, linewidth=2)

plt.grid()#显示网格

plt.show()

结果如下：

这里取的最高次为100