第L2周：机器学习｜多元线性回归模型

• 🍨 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

线性回归:通过两个或多个变量之间的线性关系来预测结果。

我的环境：

语言环境：Python3.9
编译器：vscode
1步：数据预处理

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

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

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)
dataset

第2步：简单线性回归模型
sklearn.linear_model包实现了广义线性模型，包括线性回归、Ridge回归、Bayesian回归等。
LinearRegression是其中较为简单的线性回归模型。

from sklearn.linear_model import LinearRegression

regressor = LinearRegression()
regressor = regressor.fit(X_train, Y_train)

第3步：预测结果

Y_pred = regressor.predict(X_test)

第4步：可视化

1. 训练集可视化

plt.scatter(X_train, Y_train, color='red')
plt.plot(X_train, regressor.predict(X_train), color='blue')

plt.show()

网不好，图片上传不了。
2. 测试集预测结果可视化

plt.scatter(X_test, Y_test, color='red')
plt.plot(X_test, regressor.predict(X_test), color='blue')
plt.show()

网不好，图片上传不了。
多元线性回归
简单线性回归：影响Y的因素唯一，只有一个。
多元线性回归：影响Y的因数不唯一，有多个。
相当于我们高中学的一元一次方程，变成了n元一次方程。因为y还是那个y。只是自变量增加了。
代码实现
我的环境：
● 语言环境：Python3.9
● 编译器：vscode

1. 导入数据集

import ssl
ssl._create_default_https_context = ssl._create_unverified_context
import pandas as pd
import numpy as np

url = "https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data"  
names = ['花萼-length', '花萼-width', '花瓣-length', '花瓣-width', 'class'] 

dataset = pd.read_csv(url, names=names)
dataset

2. 数据分析

import matplotlib.pyplot as plt

plt.plot(dataset['花萼-length'], dataset['花瓣-width'], 'x', label="marker='x'")
plt.plot(dataset['花萼-width'],  dataset['花瓣-width'], 'o', label="marker='o'")
plt.plot(dataset['花瓣-length'], dataset['花瓣-width'], 'v', label="marker='v'")
    
plt.legend(numpoints=1)
plt.show()

X = dataset.iloc[ : ,[1,2]].values
Y = dataset.iloc[ : ,  3 ].values

3. 构建训练集、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=0.2, 
                                                    random_state=0)
                                                    

第2步：训练多元线性回归模型

from sklearn.linear_model import LinearRegression

regressor = LinearRegression()
regressor.fit(X_train, Y_train)

第3步：在测试集上预测结果

y_pred = regressor.predict(X_test)

第4步：测试集预测结果可视化

plt.scatter(Y_test,y_pred, color='red')

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

plt.show()