学习时间与成绩的关系（线性回归）

第0步：处理数据

用excel打开数据集，绘制散点图，添加趋势线，可以看到学习时间与成绩存在线性相关的关系，用excel中的=intercept, =slope函数可以拟合出斜率和截距。

第1步： 导入数据分析库pandas, 数据可视化库matplotlib

import pandas as pd
import matplotlib.pyplot as plt

# %matplotlib inline 是Ipython的魔法函数，其作用是使matplotlib绘制的图像嵌入在jupyter notebook的单元格里。
%matplotlib inline  

第2步： 导入数据集，查看数据集

dataset = pd.read_csv('./studentscores.csv')
dataset.head(10)

执行结果：

	Hours	Scores
0	2.5	21
1	5.1	47
2	3.2	27
3	8.5	75
4	3.5	30
5	1.5	20
6	9.2	88
7	5.5	60
8	8.3	81
9	2.7	25

dataset.shape

执行结果：

(25, 2)

dataset.columns

执行结果：

Index(['Hours', 'Scores'], dtype='object')

dataset.info()

执行结果：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 25 entries, 0 to 24
Data columns (total 2 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   Hours   25 non-null     float64
 1   Scores  25 non-null     int64  
dtypes: float64(1), int64(1)
memory usage: 528.0 bytes

dataset.describe()

执行结果：

	Hours	Scores
count	25.000000	25.000000
mean	5.012000	51.480000
std	2.525094	25.286887
min	1.100000	17.000000
25%	2.700000	30.000000
50%	4.800000	47.000000
75%	7.400000	75.000000
max	9.200000	95.000000

第3步： 提取特征

# 提取特征：学习时间
# 提取标签：学习成绩
feature_columns = ['Hours']
label_column = ['Scores']

features = dataset[feature_columns]
label = dataset[label_column]

features.head()

执行结果：

	Hours
0	2.5
1	5.1
2	3.2
3	8.5
4	3.5

type(features)

执行结果：

pandas.core.frame.DataFrame

label.head()

执行结果：

	Scores
0	21
1	47
2	27
3	75
4	30

X = features.values
Y = label.values

第4步： 建立模型

4.1 拆分数据，四分之三的数据作为训练集，四分之一的数据作为测试集

from sklearn.model_selection import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size = 1/4, random_state = 0)

4.2 用训练集的数据进行训练

from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor = regressor.fit(X_train, Y_train)

4.3 对测试集进行预测

Y_pread = regressor.predict(X_test)

4.4 可视化

# 散点图：红色表示训练集的点
plt.scatter(X_train, Y_train, color = 'red')
# 线图：蓝色线表示由训练集训练出来的线性回归模型
plt.plot(X_train, regressor.predict(X_train), color = 'blue')
plt.show()

执行结果：

# 散点图： 红色点表示测试集的点
plt.scatter(X_test, Y_test, color = 'red')
# 线图：蓝色线表示对测试集进行预测的结果
plt.plot(X_test, regressor.predict(X_test), color = 'blue')
plt.show()

执行结果：