机器学习 | 机器学习100天(2) --- 简单线性回归

机器学习100天系列学习笔记基于机器学习100天(中文翻译版),机器学习100天(英文原版）

所有代码使用iPython Notebook实现

完整代码

目录

实验综述

1.数据预处理

2.通过训练集来训练简单线性回归模型

3.预测结果

4.可视化

实验综述

1.数据预处理

[code]#导入库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

#导入数据集
data = pd.read_csv('studentscores.csv')
print(data.head())
X = data.iloc[:,:-1].values  #此时-1也可以用1  因为只有一个特征
Y = data.iloc[:,-1].values
#没有缺失数据
#划分数据集 为训练集和测试集
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)

2.通过训练集来训练简单线性回归模型

[code]from sklearn.linear_model import LinearRegression

regressor = LinearRegression()
regressor = regressor.fit(X_train,Y_train)  #会自动对X_train进行特征缩放，并且前面加一列1 便于向量化运算

3.预测结果

[code]Y_pred = regressor.predict(X_test)

4.可视化

[code]#训练集结果可视化
plt.scatter(X_train,Y_train,color='red')  #可视化训练样本
plt.plot(X_train,regressor.predict(X_train),color='blue') #可视化拟合线

[code]#测试集结果可视化
plt.scatter(X_test,Y_test,color='red') #可视化测试样本
plt.plot(X_test,Y_pred,color='blue')