python线性回归_在python中实现线性回归（linear regression）

1 什么是线性回归

确定因变量与多个自变量之间的关系，将其拟合成线性关系构建模型，进而预测因变量

2 线性回归原理

最小二乘法OLS（ordinary learst squares）

模型的y与实际值y之间误差的平方最小

梯度下降

I don‘t know

3 在python中实现线性回归

importsklearnfrom sklearn importlinear_model

#导入机器学习

lm=linear_model.LinearRegression()

model= lm.fit(x,y)

#将训练集放入x、y即可训练出模型

x = features

features = [a,b,c,d]

通常x是多个变量的，也可以是由不同特征进行组合成模型，这样模型就可以拥有多个。可以通过对各个模型进行评估来判断究竟那个模型更为合理

为进行评估需要对数据集进行划分为训练集和测试集，在训练集训练模型，测试集评估误差

在评估过程可以将数据集多次划分测试集，通常使用交叉检验，减少随机性，使得数据集中数据都能作为测试集进行评估

from sklearn.model_selection importcross_val_score

cross_val_score(lm,x,y,cv= 5,scoring ="neg_mean_absolute_error")

#通常使用他们的平均值衡量

import numpy as np

print(np.mean(cross_val_score(lm,x,y,cv = 5,scoring ="neg_mean_absolute_error"))

MAE=，对应的scoring参数为’neg_mean_absolute_error’

MSE=/N, 对应的scoring参数为’neg_mean_squared_error’

至此可以通过交叉检验测试不同x组合时各模型的得分，从而选择表现较好的模型进行预测y

model.predict(something)

原文地址：https://www.cnblogs.com/islvgb/p/9550238.html