机器学习/数据分析--通俗语言带你入门线性回归(结合案例)

• 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
• 🍖 原作者：K同学啊

前言

• 机器学习是深度学习和数据分析的基础，接下来将更新常见的机器学习算法
• 注意：在打数学建模比赛中，机器学习用的也很多，可以一起学习
• 欢迎收藏 + 点赞 + 关注

1、基础概念简介

1、什么是回归？

• 回归的目的是预测，如我们高中学过的最小二乘回归，通过自变量(X)预测因变量(Y)。
• 回归之所以能预测，是因为它通过大量的自变量(X)去拟合因变量(Y)，寻找他们之间的线性关系。

2、什么是线性

• 线性关系就是可以用一个线性方程来表示(通过一个或者多个变量来表示另外一个变量)
• 如图一个最简单的一元线性回归：
• 

3、什么是线性回归？

一句话概括就是：通两个或者多个变量来预测结果

4、西瓜书中回归表达式

给定由d个属性描述的示例$\mathbf{x}=(x_1;x_2;\dots ;x_d)$ ，其中心是x在第i个属性上的取值,线性模型(linear model)试图学得一个通过属性的线性组合来进行预测的函数，即

​

向量表达式为：

​ $\underline{f(\mathbf{x})={\mathbf{w}}^{\mathrm{T}}\mathbf{x}+b,}$

线性回归的求解就是解$\mathbf{w}$ 和 b参数

2、一元线性回归

1、表达式

​ $f(x)=wx+b$

• $w$在高中学习中叫做斜率，b叫做截距，但是，在机器学习中$w$叫做权重，b叫做偏置
• 回归问题的求解就是求解$\mathbf{w}$ 和 b参数

2、案例求解

以一个成绩预测为例，步骤为：

1. 导入库和数据
2. 数据预处理
3. 创建简单线性回归模型
4. 预测结果
5. 误差分析
6. 模型展示

1、导入库

import numpy as np 
import pandas as pd 
import matplotlib.pyplot as plt 

data = pd.read_csv("./studentscores.csv")
data

	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
10	7.7	85
11	5.9	62
12	4.5	41
13	3.3	42
14	1.1	17
15	8.9	95
16	2.5	30
17	1.9	24
18	6.1	67
19	7.4	69
20	2.7	30
21	4.8	54
22	3.8	35
23	6.9	76
24	7.8	86
25	9.1	93
26	9.2	93
27	9.5	93

2、数据预处理

# 获取数据和数据划分
from sklearn.model_selection import train_test_split

x = data.iloc[:, :1].values   # data.iloc[:, 1] 与 data.iloc[:, :1] 的区别，前者返回一维数组，后者返回二维数组
y = data.iloc[:, 1].values 

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25, random_state=42)

3、创建简单的线性回归模型

from sklearn.linear_model import LinearRegression

model = LinearRegression()
model.fit(x_train, y_train)  # 模型拟合

4、预测结果

y_pred =  model.predict(x_test)
y_pred

结果：

array([29.72354202, 91.35223136, 83.64864519, 49.94545571, 27.79764548,
       47.0566109 , 22.01995585])

5、误差分析

from sklearn.metrics import mean_squared_error 
mse = mean_squared_error(y_test, y_pred)  # 计算均分误差，回归最常用的评价指标
print(mse)

结果：

19.327533697713523    

结合成绩数据，误差还可以，想要更直观，可以先对数据进行标准化

6、模型展示

from matplotlib import rcParams
# 设置字体为SimHei显示中文
rcParams['font.family'] = 'SimHei'

# 创建画布
plt.figure(figsize=(12, 3))
# 创建子图
plt.subplot(1, 2, 1)
plt.scatter(x_train, y_train, color='red')
plt.plot(x_train, model.predict(x_train), label='训练集拟合', color='blue')
plt.title('训练集拟合')
# 创建子图
plt.subplot(1, 2, 2)
plt.scatter(x_test, y_test, color='red')
plt.plot(x_test, model.predict(x_test), label='测试集拟合', color='blue')
plt.title('测试集拟合')

plt.show()

3、多元线性回归

1、表达式

​

• 多元线性回归：影响Y的因素不唯一，有多个
• 一元线性回归：影响Y的因素唯一，只有一个

2、案例求解

鸢尾花数据集，预测花瓣长度

• 因变量Y：花瓣宽度
• 自变量X：花萼长度，花萼宽度，花瓣长度

1、数据预处理

1、导入数据集

import numpy as np 
import pandas as pd 

# 网络下载 鸢尾花 数据集合
url = "https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data"
name = ['花萼-length', '花萼-widget', '花瓣-length', '花瓣-widget', 'class']

data = pd.read_csv(url, names=name)
data

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

	花萼-length	花萼-widget	花瓣-length	花瓣-widget	class
0	5.1	3.5	1.4	0.2	Iris-setosa
1	4.9	3.0	1.4	0.2	Iris-setosa
2	4.7	3.2	1.3	0.2	Iris-setosa
3	4.6	3.1	1.5	0.2	Iris-setosa
4	5.0	3.6	1.4	0.2	Iris-setosa
...	...	...	...	...	...
145	6.7	3.0	5.2	2.3	Iris-virginica
146	6.3	2.5	5.0	1.9	Iris-virginica
147	6.5	3.0	5.2	2.0	Iris-virginica
148	6.2	3.4	5.4	2.3	Iris-virginica
149	5.9	3.0	5.1	1.8	Iris-virginica

150 rows × 5 columns

2、数据分析

# 展示 不同 变量 对花瓣宽度的影响长度
import matplotlib.pyplot as plt 

plt.plot(data['花萼-length'], data['花瓣-widget'], 'x', label="marker='x'")
plt.plot(data['花萼-widget'], data['花瓣-widget'], 'o', label="marker='o'")
plt.plot(data['花瓣-length'], data['花瓣-widget'], 'v', label="marker='v'")

plt.legend()
plt.show()

​

​

通过观察发现：没有聚类特征，各变量之间没有什么关系，没有什么规律可言

3、划分测试集和训练集

from sklearn.model_selection import train_test_split

X = data.iloc[:, :2].values
y = data.iloc[:, 3].values

# 训练集：0.8，测试集：0.2
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) 

4、数据标准化

from sklearn.preprocessing import MinMaxScaler

scaler = MinMaxScaler()
X_train_scaler = scaler.fit_transform(X_train)
X_test_sacler = scaler.transform(X_test)

2、模型创建和训练

from sklearn.linear_model import LinearRegression

model = LinearRegression()
model.fit(X_train_scaler, y_train)

3、模型预测

y_pred = model.predict(X_test_sacler)

4、误差计算

# 采用均方根误差计算
from sklearn.metrics import mean_squared_error

mse = mean_squared_error(y_pred, y_test)
print("mse", mse)

mse 0.12290992506217009

5、结果图示

# 展示预测值和真实值分布
plt.scatter(y_test,y_pred, color='red')

plt.xlabel("Prediction")
plt.ylabel("True");

plt.show()

​