基于多元线性回归的糖尿病数据集分析

数据集描述

根据美国疾病控制预防中心的数据，现在美国1/7的成年人患有糖尿病。但是到2050年，这个比例将会快速增长至高达1/3。在UCL机器学习数据库里一个糖尿病数据集，通过这一数据集，学习如何利用线性回归分析来预测糖尿病：

数据地址：
https://github.com/susanli2016/Machine-Learning-with-Python/blob/master/diabetes.csv

数据特征属性：
index([‘Pregnancies’, ‘Glucose’, ‘BloodPressure’, ‘SkinThickness’, ‘Insulin’,‘BMI’, ‘DiabetesPedigreeFunction’, ‘Age’, ‘Outcome’], dtype=‘object’)

特征（怀孕次数，血糖，血压，皮脂厚度，胰岛素，BMI身体质量指数，糖尿病遗传函数，年龄，结果）

“结果”是要预测的特征，0意味着未患糖尿病，1意味着患有糖尿病。在768个数据点中，500个被标记为0,268个标记为1。

多元线性回归简介

实验模型为线性回归模型，使用最小二乘法来计算回归系数，构建出相应的多元线性回归模型，并利用线性回归模型来进行糖尿病相关性预测，最后使用MSE，r^2 和校正r^2来评价模型的好坏。

相关数学推导如下图所示：

纯手打代码实现

import pandas as pd 
import numpy as np 
from numpy.linalg import inv#矩阵求逆
from numpy import dot #矩阵点乘
#矩阵转置.T

data=pd.read_csv("线性回归分析数据.csv")
x_train=np.array(data.iloc[0:616,0:8])
y_train=np.array(data.ix[0:615,['Outcome']])
x_test=np.array(data.iloc[