python计算均方根误差_如何在Python中创建线性回归机器学习模型？「入门篇」

线性回归和逻辑回归是当今很受欢迎的两种机器学习模型。

本文将教你如何使用 scikit-learn 库在Python中创建、训练和测试你的第一个线性、逻辑回归机器学习模型，本文适合大部分的新人小白。

线性回归机器学习模型

1.要使用的数据集

由于线性回归是我们在本文中学习的第一个机器学习模型，因此在本文中，我们将使用人工创建的数据集。这能让你可以更加专注于学习理解机器学习的概念，并避免在清理或处理数据上花费不必要的时间。

更具体地说，我们将使用住房数据的数据集并尝试预测住房价格。在构建模型之前，我们首先需要导入所需的库。

2.需要用到的Python库

我们需要导入的第一个库是 pandas，它是一个“panel data”的组合体，是处理表格数据比较流行的Python库。

一般我们会用pd来命名该库，你可以使用以下语句导入Pandas：

import pandasaspd

接下来，我们需要导入NumPy，这是一个很常用的数值计算库。Numpy以其Numpy数组数据结构以及非常有用的reshee、arange和append而闻名。

一般我们也会用np作为Numpy的别名，你可以使用以下语句进行导入：

import numpyasnp

接下来，我们需要导入matplotlib，这是Python很受欢迎的数据可视化库。

matplotlib通常以别名导入plt。你可以使用以下语句导入：

import matplotlib.pyplotasplt

%matplotlib inline

该%matplotlib inline语句可以将我们的matplotlib可视化直接嵌入到我们的Jupyter Notebook中，更易于访问和解释。

最后，你还要导入seaborn，这是另一个Python数据可视化库，你可以更轻松地使用matplotlib创建漂亮的可视化数据。

你可以使用以下语句导入：

import seabornassns

总结一下，这是本文必需的库的导入：

import pandasaspd

import numpy asnp

import matplotlib.pyplot asplt

%matplotlib inline

import seaborn assns

导入数据集

如前所述，我们将使用住房信息数据集。在下面的URL链接中，有我们的.csv文件数据集：

https://nickmccullum.com/files/Housing_Data.csv

要将数据集导入到Jupyter Notebook中，首先要做的是通过将该URL复制并粘贴到浏览器中来下载文件。然后，将文件移到Jupyter Notebook的目录下。

完成此操作后，以下Python语句可以将住房数据集导入到Jupyter Notebook中：

raw_data = pd.read_csv('Hou