日本综合一区二区|亚洲中文天堂综合|日韩欧美自拍一区|男女精品天堂一区|欧美自拍第6页亚洲成人精品一区|亚洲黄色天堂一区二区成人|超碰91偷拍第一页|日韩av夜夜嗨中文字幕|久久蜜综合视频官网|精美人妻一区二区三区

RELATEED CONSULTING
相關(guān)咨詢
選擇下列產(chǎn)品馬上在線溝通
服務(wù)時(shí)間：8:30-17:00
你可能遇到了下面的問題
關(guān)閉右側(cè)工具欄

新聞中心

這里有您想知道的互聯(lián)網(wǎng)營銷解決方案
如何在Python中創(chuàng)建線性回歸機(jī)器學(xué)習(xí)模型？「入門篇」

 線性回歸和邏輯回歸是當(dāng)今很受歡迎的兩種機(jī)器學(xué)習(xí)模型。

創(chuàng)新互聯(lián)建站服務(wù)項(xiàng)目包括阜新網(wǎng)站建設(shè)、阜新網(wǎng)站制作、阜新網(wǎng)頁制作以及阜新網(wǎng)絡(luò)營銷策劃等。多年來，我們專注于互聯(lián)網(wǎng)行業(yè)，利用自身積累的技術(shù)優(yōu)勢、行業(yè)經(jīng)驗(yàn)、深度合作伙伴關(guān)系等，向廣大中小型企業(yè)、政府機(jī)構(gòu)等提供互聯(lián)網(wǎng)行業(yè)的解決方案，阜新網(wǎng)站推廣取得了明顯的社會(huì)效益與經(jīng)濟(jì)效益。目前，我們服務(wù)的客戶以成都為中心已經(jīng)輻射到阜新省份的部分城市，未來相信會(huì)繼續(xù)擴(kuò)大服務(wù)區(qū)域并繼續(xù)獲得客戶的支持與信任！

本文將教你如何使用 scikit-learn 庫在Python中創(chuàng)建、訓(xùn)練和測試你的第一個(gè)線性、邏輯回歸機(jī)器學(xué)習(xí)模型，本文適合大部分的新人小白。

線性回歸機(jī)器學(xué)習(xí)模型

1.要使用的數(shù)據(jù)集

由于線性回歸是我們在本文中學(xué)習(xí)的第一個(gè)機(jī)器學(xué)習(xí)模型，因此在本文中，我們將使用人工創(chuàng)建的數(shù)據(jù)集。這能讓你可以更加專注于學(xué)習(xí)理解機(jī)器學(xué)習(xí)的概念，并避免在清理或處理數(shù)據(jù)上花費(fèi)不必要的時(shí)間。

更具體地說，我們將使用住房數(shù)據(jù)的數(shù)據(jù)集并嘗試預(yù)測住房價(jià)格。在構(gòu)建模型之前，我們首先需要導(dǎo)入所需的庫。

2.需要用到的Python庫

我們需要導(dǎo)入的第一個(gè)庫是 pandas，它是一個(gè)“panel data”的組合體，是處理表格數(shù)據(jù)比較流行的Python庫。

一般我們會(huì)用pd來命名該庫，你可以使用以下語句導(dǎo)入Pandas：

 
 
 
 
    
  
  
  
  
  1. import pandas as pd
    2.

接下來，我們需要導(dǎo)入NumPy，這是一個(gè)很常用的數(shù)值計(jì)算庫。Numpy以其Numpy數(shù)組數(shù)據(jù)結(jié)構(gòu)以及非常有用的reshee、arange和append而聞名。

一般我們也會(huì)用np作為Numpy的別名，你可以使用以下語句進(jìn)行導(dǎo)入：

 
 
 
 
    
  
  
  
  
  1. import numpy as np
    2.

接下來，我們需要導(dǎo)入matplotlib，這是Python很受歡迎的數(shù)據(jù)可視化庫。

matplotlib通常以別名導(dǎo)入plt。你可以使用以下語句導(dǎo)入：

 
 
 
 
    
  
  
  
  
  1. import matplotlib.pyplot as plt
    2. 
  
  
  
  
  2. 
  
  
  
  
  3. %matplotlib inline
    4.

該%matplotlib inline語句可以將我們的matplotlib可視化直接嵌入到我們的Jupyter Notebook中，更易于訪問和解釋。

最后，你還要導(dǎo)入seaborn，這是另一個(gè)Python數(shù)據(jù)可視化庫，你可以更輕松地使用matplotlib創(chuàng)建漂亮的可視化數(shù)據(jù)。

你可以使用以下語句導(dǎo)入：

 
 
 
 
    
  
  
  
  
  1. import seaborn as sns
    2.

總結(jié)一下，這是本文必需的庫的導(dǎo)入：

 
 
 
 
    
  
  
  
  
  1. import pandas as pd
    2. 
  
  
  
  
  2. 
  
  
  
  
  3. import numpy as np
    4. 
  
  
  
  
  4. 
  
  
  
  
  5. import matplotlib.pyplot as plt
    6. 
  
  
  
  
  6. 
  
  
  
  
  7. %matplotlib inline
    8. 
  
  
  
  
  8. 
  
  
  
  
  9. import seaborn as sns
    10.

導(dǎo)入數(shù)據(jù)集

如前所述，我們將使用住房信息數(shù)據(jù)集。在下面的URL鏈接中，有我們的.csv文件數(shù)據(jù)集：

 
 
 
 
    
  
  
  
  
  1. https://nickmccullum.com/files/Housing_Data.csv
    2.

要將數(shù)據(jù)集導(dǎo)入到Jupyter Notebook中，首先要做的是通過將該URL復(fù)制并粘貼到瀏覽器中來下載文件。然后，將文件移到Jupyter Notebook的目錄下。

完成此操作后，以下Python語句可以將住房數(shù)據(jù)集導(dǎo)入到Jupyter Notebook中：

 
 
 
 
    
  
  
  
  
  1. raw_data = pd.read_csv('Housing_Data.csv')
    2.

該數(shù)據(jù)集具有許多功能，包括：

  • 房屋面積的平均售價(jià)
  • 該地區(qū)平均客房總數(shù)
  • 房子賣出的價(jià)格
  • 房子的地址

此數(shù)據(jù)是隨機(jī)生成的，因此你會(huì)看到一些可能沒有意義的細(xì)微差別(例如，在應(yīng)該為整數(shù)的數(shù)字之后的大量小數(shù)位)。

了解數(shù)據(jù)集

現(xiàn)在已經(jīng)在raw_data變量下導(dǎo)入了數(shù)據(jù)集，你可以使用該info方法獲取有關(guān)數(shù)據(jù)集的一些高級信息。具體來說，運(yùn)行raw_data.info()可以得出：

 
 
 
 
    
  
  
  
  
    2. 
  
  
  
  
  2. 
  
  
  
  
  3. RangeIndex: 5000 entries, 0 to 4999
    4. 
  
  
  
  
  4. 
  
  
  
  
  5. Data columns (total 7 columns):
    6. 
  
  
  
  
  6. 
  
  
  
  
  7. Avg. Area Income                5000 non-null float64
    8. 
  
  
  
  
  8. 
  
  
  
  
  9. Avg. Area House Age             5000 non-null float64
    10. 
  
  
  
  
  10. 
  
  
  
  
  11. Avg. Area Number of Rooms       5000 non-null float64
    12. 
  
  
  
  
  12. 
  
  
  
  
  13. Avg. Area Number of Bedrooms    5000 non-null float64
    14. 
  
  
  
  
  14. 
  
  
  
  
  15. Area Population                 5000 non-null float64
    16. 
  
  
  
  
  16. 
  
  
  
  
  17. Price                           5000 non-null float64
    18. 
  
  
  
  
  18. 
  
  
  
  
  19. Address                         5000 non-null object
    20. 
  
  
  
  
  20. 
  
  
  
  
  21. dtypes: float64(6), object(1)
    22. 
  
  
  
  
  22. 
  
  
  
  
  23. memory usage: 273.6+ KB
    24.

另一個(gè)有用的方法是生成數(shù)據(jù)。您可以為此使用seaborn方法pairplot，并將整個(gè)DataFrame作為參數(shù)傳遞。通過下面的一行代碼進(jìn)行說明：

 
 
 
 
    
  
  
  
  
  1. sns.pairplot(raw_data)
    2.

該語句的輸出如下：

接下來，讓我們開始構(gòu)建線性回歸模型。

建立機(jī)器學(xué)習(xí)線性回歸模型

我們需要做的第一件事是將我們的數(shù)據(jù)分為一個(gè)x-array(包含我們將用于進(jìn)行預(yù)測y-array的數(shù)據(jù))和一個(gè)(包含我們正在嘗試進(jìn)行預(yù)測的數(shù)據(jù))。

首先，我們應(yīng)該決定要包括哪些列，你可以使用生成DataFrame列的列表，該列表raw_data.columns輸出：

 
 
 
 
    
  
  
  
  
  1. Index(['Avg. Area Income', 'Avg. Area House Age', 'Avg. Area Number of Rooms',
    2. 
  
  
  
  
  2. 
  
  
  
  
  3.        'Avg. Area Number of Bedrooms', 'Area Population', 'Price', 'Address'],
    4. 
  
  
  
  
  4. 
  
  
  
  
  5.       dtype='object')
    6.

x-array除了價(jià)格(因?yàn)檫@是我們要預(yù)測的變量)和地址(因?yàn)樗鼉H包含文本)之外，我們將在所有這些變量中使用。

讓我們創(chuàng)建x-array并將其分配給名為的變量x。

 
 
 
 
    
  
  
  
  
  1. x = raw_data[['Avg. Area Income', 'Avg. Area House Age', 'Avg. Area Number of Rooms',
    2. 
  
  
  
  
  2. 
  
  
  
  
  3.        'Avg. Area Number of Bedrooms', 'Area Population']]
    4.

接下來，讓我們創(chuàng)建我們的代碼y-array并將其分配給名為的變量y。

 
 
 
 
    
  
  
  
  
  1. y = raw_data['Price']
    2.

我們已經(jīng)成功地將數(shù)據(jù)集劃分為和x-array(分別為模型的輸入值)和和y-array(分別為模型的輸出值)。在下一部分中，我們將學(xué)習(xí)如何將數(shù)據(jù)集進(jìn)一步分為訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)。

將我們的數(shù)據(jù)集分為訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)

scikit-learn 可以很容易地將我們的數(shù)據(jù)集分為訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)。為此，我們需要 train_test_split 從中的 model_selection 模塊導(dǎo)入函數(shù) scikit-learn。

這是執(zhí)行此操作的完整代碼：

 
 
 
 
    
  
  
  
  
  1. from sklearn.model_selection import train_test_split
    2.

該train_test_split數(shù)據(jù)接受三個(gè)參數(shù)：

  • x-array
  • y-array
  • 測試數(shù)據(jù)的期望大小

有了這些參數(shù)，該 train_test_split 功能將為我們拆分?jǐn)?shù)據(jù)!如果我們想讓測試數(shù)據(jù)占整個(gè)數(shù)據(jù)集的30%，可以使用以下代碼：

 
 
 
 
    
  
  
  
  
  1. x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.3)
    2.

讓我們解開這里發(fā)生的一切。

train_test_split 函數(shù)返回長度為4的Python列表，其中列表中的每個(gè)項(xiàng)分別是x_train、x_test、y_train和y_test。然后我們使用列表解包將正確的值賦給正確的變量名。

現(xiàn)在我們已經(jīng)正確地劃分了數(shù)據(jù)集，是時(shí)候構(gòu)建和訓(xùn)練我們的線性回歸機(jī)器學(xué)習(xí)模型了。

建立和訓(xùn)練模型

我們需要做的第一件事是從scikit learn導(dǎo)入LinearRegression估計(jì)器。下面是Python語句：

 
 
 
 
    
  
  
  
  
  1. from sklearn.linear_model import LinearRegression
    2.

接下來，我們需要?jiǎng)?chuàng)建一個(gè)線性回歸Python對象的實(shí)例。我們將把它賦給一個(gè)名為model的變量。下面是代碼：

 
 
 
 
    
  
  
  
  
  1. model = LinearRegression()
    2.

我們可以使用 scikit-learn 中的 fit 方法在訓(xùn)練數(shù)據(jù)上訓(xùn)練該模型。

 
 
 
 
    
  
  
  
  
  1. model.fit(x_train, y_train)
    2.

我們的模型現(xiàn)已訓(xùn)練完畢，可以使用以下語句檢查模型的每個(gè)系數(shù)：

 
 
 
 
    
  
  
  
  
  1. print(model.coef_)
    2.

輸出：

 
 
 
 
    
  
  
  
  
  1. [2.16176350e+01 1.65221120e+05 1.21405377e+05 1.31871878e+03
    2. 
  
  
  
  
  2. 
  
  
  
  
  3.  1.52251955e+01]
    4.

類似地，下面是如何查看回歸方程的截距：

 
 
 
 
    
  
  
  
  
  1. print(model.intercept_)
    2.

輸出：

 
 
 
 
    
  
  
  
  
  1. -2641372.6673013503
    2.

查看系數(shù)的更好方法是將它們放在一個(gè)數(shù)據(jù)幀中，可以通過以下語句實(shí)現(xiàn)：

 
 
 
 
    
  
  
  
  
  1. pd.DataFrame(model.coef_, x.columns, columns = ['Coeff'])
    2.

這種情況下的輸出更容易理解：

讓我們花點(diǎn)時(shí)間來理解這些系數(shù)的含義。讓我們具體看看面積人口變量，它的系數(shù)約為15。

這意味著，如果你保持所有其他變量不變，那么區(qū)域人口增加一個(gè)單位將導(dǎo)致預(yù)測變量(在本例中為價(jià)格)增加15個(gè)單位。

換言之，某個(gè)特定變量上的大系數(shù)意味著該變量對您試圖預(yù)測的變量的值有很大的影響。同樣，小值的影響也很小。

現(xiàn)在我們已經(jīng)生成了我們的第一個(gè)機(jī)器學(xué)習(xí)線性回歸模型，現(xiàn)在是時(shí)候使用該模型從我們的測試數(shù)據(jù)集進(jìn)行預(yù)測了。

根據(jù)我們的模型做出預(yù)測

scikit-learn使得從機(jī)器學(xué)習(xí)模型做出預(yù)測變得非常容易，我們只需調(diào)用前面創(chuàng)建的模型變量的 predict 方法。

因?yàn)?predict 變量是用來進(jìn)行預(yù)測的，所以它只接受一個(gè) x-array 參數(shù)，它將為我們生成y值!

以下是使用 predict 方法從我們的模型生成預(yù)測所需的代碼：

 
 
 
 
    
  
  
  
  
  1. predictions = model.predict(x_test)
    2.

預(yù)測變量保存 x_test 中存儲(chǔ)的要素的預(yù)測值。 由于我們使用 train_test_split 方法將實(shí)際值存儲(chǔ)在y_test中，因此我們接下來要做的是將預(yù)測數(shù)組的值與 y_test 的值進(jìn)行比較。

這里有一種簡單的方法是使用散點(diǎn)圖繪制兩個(gè)數(shù)組。 使用 plt.scatter 方法可以輕松構(gòu)建 matplotlib 散點(diǎn)圖。 以下為代碼：

 
 
 
 
    
  
  
  
  
  1. plt.scatter(y_test, predictions)
    2.

這是代碼生成的散點(diǎn)圖：

如圖所見，我們的預(yù)測值非常接近數(shù)據(jù)集中觀測值的實(shí)際值。在這個(gè)散點(diǎn)圖中一條完美的直線表明我們的模型完美地預(yù)測了 y-array 的值。

另一種直觀評估模型性能的方法是繪制殘差，即實(shí)際y數(shù)組值與預(yù)測 y-array 值之間的差異。

使用以下代碼語句可以輕松實(shí)現(xiàn)：

 
 
 
 
    
  
  
  
  
  1. plt.hist(y_test - predictions)
    2.

以下為代碼生成的可視化效果：

這是我們的機(jī)器學(xué)習(xí)模型殘差的直方圖。

你可能會(huì)注意到，我們的機(jī)器學(xué)習(xí)模型中的殘差似乎呈正態(tài)分布。這正好是一個(gè)很好的信號!

它表明我們已經(jīng)選擇了適當(dāng)?shù)哪Ｐ皖愋?在這種情況下為線性回歸)來根據(jù)我們的數(shù)據(jù)集進(jìn)行預(yù)測。在本課程的后面，我們將詳細(xì)了解如何確保使用了正確的模型。

測試模型的性能

我們在本課程開始時(shí)就了解到，回歸機(jī)器學(xué)習(xí)模型使用了三個(gè)主要性能指標(biāo)：

  • 平均絕對誤差
  • 均方誤差
  • 均方根誤差

現(xiàn)在，我們來看看如何為本文中構(gòu)建的模型計(jì)算每個(gè)指標(biāo)。在繼續(xù)之前，記得在Jupyter Notebook中運(yùn)行以下import語句：

 
 
 
 
    
  
  
  
  
  1. from sklearn import metrics
    2.

平均絕對誤差(MAE)

可以使用以下語句計(jì)算Python中的平均絕對誤差：

 
 
 
 
    
  
  
  
  
  1. metrics.mean_absolute_error(y_test, predictions)
    2.

均方誤差(MSE)

同樣，你可以使用以下語句在Python中計(jì)算均方誤差：

 
 
 
 
    
  
  
  
  
  1. metrics.mean_squared_error(y_test, predictions)
    2.

均方根誤差(RMSE)

與平均絕對誤差和均方誤差不同，scikit learn實(shí)際上沒有計(jì)算均方根誤差的內(nèi)置方法。

幸運(yùn)的是，它真的不需要。由于均方根誤差只是均方根誤差的平方根，因此可以使用NumPy的sqrt方法輕松計(jì)算：

 
 
 
 
    
  
  
  
  
  1. np.sqrt(metrics.mean_squared_error(y_test, predictions))
    2.

附完整代碼

這是此Python線性回歸機(jī)器學(xué)習(xí)教程的全部代碼。

 
 
 
 
    
  
  
  
  
  1. import pandas as pd
    2. 
  
  
  
  
  2. 
  
  
  
  
  3. import numpy as np
    4. 
  
  
  
  
  4. 
  
  
  
  
  5. import matplotlib.pyplot as plt
    6. 
  
  
  
  
  6. 
  
  
  
  
  7. import seaborn as sns
    8. 
  
  
  
  
  8. 
  
  
  
  
  9. %matplotlib inline
    10. 
  
  
  
  
  10. 
  
  
  
  
  11. raw_data = pd.read_csv('Housing_Data.csv')
    12. 
  
  
  
  
  12. 
  
  
  
  
  13. x = raw_data[['Avg. Area Income', 'Avg. Area House Age', 'Avg. Area Number of Rooms',
    14. 
  
  
  
  
  14. 
  
  
  
  
  15.        'Avg. Area Number of Bedrooms', 'Area Population']]
    16. 
  
  
  
  
  16. 
  
  
  
  
  17. y = raw_data['Price']
    18. 
  
  
  
  
  18. 
  
  
  
  
  19. from sklearn.model_selection import train_test_split
    20. 
  
  
  
  
  20. 
  
  
  
  
  21. x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.3)
    22. 
  
  
  
  
  22. 
  
  
  
  
  23. from sklearn.linear_model import LinearRegression
    24. 
  
  
  
  
  24. 
  
  
  
  
  25. model = LinearRegression()
    26. 
  
  
  
  
  26. 
  
  
  
  
  27. model.fit(x_train, y_train)
    28. 
  
  
  
  
  28. 
  
  
  
  
  29. print(model.coef_)
    30. 
  
  
  
  
  30. 
  
  
  
  
  31. print(model.intercept_)
    32. 
  
  
  
  
  32. 
  
  
  
  
  33. pd.DataFrame(model.coef_, x.columns, columns = ['Coeff'])
    34. 
  
  
  
  
  34. 
  
  
  
  
  35. predictions = model.predict(x_test)
    36. 
  
  
  
  
  36. 
  
  
  
  
  37. # plt.scatter(y_test, predictions)
    38. 
  
  
  
  
  38. 
  
  
  
  
  39. plt.hist(y_test - predictions)
    40. 
  
  
  
  
  40. 
  
  
  
  
  41. from sklearn import metrics
    42. 
  
  
  
  
  42. 
  
  
  
  
  43. metrics.mean_absolute_error(y_test, predictions)
    44. 
  
  
  
  
  44. 
  
  
  
  
  45. metrics.mean_squared_error(y_test, predictions)
    46. 
  
  
  
  
  46. 
  
  
  
  
  47. np.sqrt(metrics.mean_squared_error(y_test, predictions))
    48.

本文名稱：如何在Python中創(chuàng)建線性回歸機(jī)器學(xué)習(xí)模型？「入門篇」
鏈接URL：http://www.dlmjj.cn/article/dpjojpg.html