线性回归鸢尾花练习

鸢尾花数据集介绍：

Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。iris以鸢尾花的特征作为数据来源，常用在分类操作中。该数据集由3种不同类型的鸢尾花的50个样本数据构成。其中的一个种类与另外两个种类是线性可分离的，后两个种类是非线性可分离的。

四个属性：

Sepal.Length（花萼长度），单位是cm;

Sepal.Width（花萼宽度），单位是cm;

Petal.Length（花瓣长度），单位是cm;

Petal.Width（花瓣宽度），单位是cm;

三个种类：

Iris Setosa（山鸢尾）；

Iris Versicolour（杂色鸢尾）；

Iris Virginica（维吉尼亚鸢尾）。

前7个数据如下表

	Sepal.Length	Sepal.Width	Petal.Length	Petal.Width	Species
1	5.1	3.5	1.4	0.2	setosa
2	4.9	3	1.4	0.2	setosa
3	4.7	3.2	1.3	0.2	setosa
4	4.6	3.1	1.5	0.2	setosa
5	5	3.6	1.4	0.2	setosa
6	5.4	3.9	1.7	0.4	setosa
7	4.6	3.4	1.4	0.3	setosa

提取数据集中花瓣长度与花瓣宽度数据，其中花瓣长度作为特征，花瓣宽度作为标签，即：我们根据花瓣长度来预测花瓣的宽度。可以将花瓣数据分为训练数据与测试数据，训练一个线性回归模型，并对测试数据进行预测。

第一步：导入相应的包

import numpy as np
import pandas as pd
from mxnet import autograd, nd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from mxnet.gluon import nn
from mxnet import init
from mxnet.gluon import loss as gloss 
from mxnet import gluon

第二步，将数据划分为训练集和测试集

df = pd.read_csv(r'D:\course\deep_learning\线性回归练习\iris.data',header=None) #读取文件
X = nd.array(df[2]) #花瓣长度
Y = nd.array(df[3]) #花瓣宽度
X = X.reshape(len(X),1)
Y = Y.reshape(len(Y),1)
#划分数据集，80%的数据用来训练，20%的数据用来测试
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2, random_state=0) 

num_input = 1 #输入特征个数为1，即花瓣长度
num_examples = 120 #训练样本个数
features = nd.array(X_train)
labels = nd.array(Y_train) #标签

第三步，将数据打包成需要的格式

from mxnet.gluon import data as gdata
batch_size = 10 
dataset = gdata.ArrayDataset(features, labels)
data_iter = gdata.DataLoader(dataset, batch_size, shuffle=True)

第四步，训练模型

net = nn.Sequential()
net.add(nn.Dense(1))

net.initialize(init.Normal(sigma=0.01)) #初始化

loss = gloss.L2Loss() #平方损失函数

#设置学习率为0.01
trainer = gluon.Trainer(net.collect_params(), 'sgd', {'learning_rate' : 0.01})

num_epochs = 5 #迭代次数
for epoch in range(num_epochs):
    for X,y in data_iter:
    
        with autograd. record():
            l = loss(net(X),y) 
        l. backward()
        trainer.step(batch_size)
    l = loss(net(features), labels)
    print('epoch %d, loss %f' % (epoch + 1,l.mean().asnumpy()))

迭代五次，损失从0.044510降到了0.033204

打印出权重w和偏置b

dense = net[0]
print(dense.weight.data())
print(dense.bias.data())

 

训练效果：

X = X_train.asnumpy()
Y = Y_train.asnumpy()
Y_Pred = net(X_train).asnumpy()

plt.scatter(X, Y, color='green')
plt.scatter(X, Y_Pred, color='red')
plt.xlabel(u"花瓣长度",fontproperties='SimHei')
plt.ylabel(u"花瓣宽度",fontproperties='SimHei')
plt.title(u"训练集",fontproperties='SimHei')
plt.show()

 

预测效果：

X = X_test.asnumpy()
Y = Y_test.asnumpy()
Y_Pred = net(X_test).asnumpy()

plt.scatter(X, Y, color='green')
plt.scatter(X, Y_Pred, color='red')
plt.xlabel(u"花瓣长度",fontproperties='SimHei')
plt.ylabel(u"花瓣宽度",fontproperties='SimHei')
plt.title(u"测试集",fontproperties='SimHei')
plt.show()