机器学习2/100天-简单线性回归

#Simple Linear Regression
github: 100-Days-Of-ML-Code
假设X和Y之间是线性关系，基于自变量(independent variables)X，预测因变量(dependent variable)Y。
目标是寻找最佳的线形关系，寻找线形关系使得预测值与实际值距离最小。
##1.数据预处理

• 导入Libraries
• 导入数据集
• 处理缺失数据
• 分割数据集
• 特征归一化

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

dataset = pd.read_csv('studentscores.csv')
X = dataset.iloc[ : ,   : 1 ].values
Y = dataset.iloc[ : , 1 ].values

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

##2.使用线形模型拟合训练数据

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

##3.预测数据
使用前面训练的模型