如何掌握Python线性回归
这篇文章主要讲解了“如何掌握Python线性回归”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“如何掌握Python线性回归”吧!
怀远网站制作公司哪家好,找创新互联!从网页设计、网站建设、微信开发、APP开发、响应式网站设计等网站项目制作,到程序开发,运营维护。创新互联自2013年起到现在10年的时间,我们拥有了丰富的建站经验和运维经验,来保证我们的工作的顺利进行。专注于网站建设就选创新互联。
1. 准备
开始之前,你要确保Python和pip已经成功安装在电脑上噢,如果没有,请访问这篇文章:超详细Python安装指南 进行安装。如果你用Python的目的是数据分析,可以直接安装Anaconda:Python数据分析与挖掘好帮手—Anaconda
Windows环境下打开Cmd(开始—运行—CMD),苹果系统环境下请打开Terminal(command+空格输入Terminal),准备开始输入命令安装依赖。
当然,我更推荐大家用VSCode编辑器,把本文代码Copy下来,在编辑器下方的终端运行命令安装依赖模块,多舒服的一件事啊:Python 编程的最好搭档—VSCode 详细指南。
在终端输入以下命令安装我们所需要的依赖模块:
pip install scikit-learn
2.简单的训练集
冬天快到了,深圳这几天已经准备开始入冬了。
从生活入手,外界温度对是否穿外套的影响是具有线性关系的:
现在,考虑这样的一个问题:如果深圳的温度是12度,我们应不应该穿外套?
这个问题很简单,上述简单的训练集中,我们甚至不需要机器学习就能轻易地得到答案:应该。但如果训练集变得稍显复杂一些呢:
你能看出其中x1, x2, x3和y之间的规律吗?
比较难,但是如果你有足够的数据(比如100个),机器学习能够迅速解决这个问题。
为了方便展示机器学习的威力,我们在这里生产100个这样的训练集(公式为: y=x1 + 2*x2 + 3*x3):
from random import randint TRAIN_SET_LIMIT = 1000 TRAIN_SET_COUNT = 100 TRAIN_INPUT = list() TRAIN_OUTPUT = list() for i in range(TRAIN_SET_COUNT): a = randint(0, TRAIN_SET_LIMIT) b = randint(0, TRAIN_SET_LIMIT) c = randint(0, TRAIN_SET_LIMIT) op = a + (2*b) + (3*c) TRAIN_INPUT.append([a, b, c]) TRAIN_OUTPUT.append(op)
然后让线性回归模型使用该训练集(Training Set)进行训练(fit),然后再给定三个参数(Test Data),进行预测(predict),让它得到y值(Prediction),如下图所示。
3. 训练和测试
为什么我使用sklearn?因为它真的真的很方便。像这样的训练行为,你只需要3行代码就能搞定:
from sklearn.linear_model import LinearRegression predictor = LinearRegression(n_jobs=-1) predictor.fit(X=TRAIN_INPUT, y=TRAIN_OUTPUT)
需要注意线性回归模型(LinearRegression)的参数:
n_jobs:默认为1,表示使用CPU的个数。当-1时,代表使用全部CPU
predictor.fit 即训练模型,X是我们在生成训练集时的TRAIN_INPUT,Y即TRAIN_OUTPUT.
训练完就可以立即进行测试了,调用predict函数即可:
X_TEST = [[10, 20, 30]] outcome = predictor.predict(X=X_TEST) coefficients = predictor.coef_ print('Outcome : {}\nCoefficients : {}'.format(outcome, coefficients))
这里的 coefficients 是指系数,即x1, x2, x3.
得到的结果如下:
Outcome : [ 140.] Coefficients : [ 1. 2. 3.]
验证一下:10 + 20*2 + 30*3 = 140 完全正确。
如何,机器学习模型,用起来其实真的没你想象中的那么难,大部分人很可能只是卡在了安装 scikit-learn 的路上...
顺便给大家留个小练习,将下列欧式距离,使用线性回归模型进行表示。
解决思路和本文的方案其实是类似的,只不过需要变通一下。
感谢各位的阅读,以上就是“如何掌握Python线性回归”的内容了,经过本文的学习后,相信大家对如何掌握Python线性回归这一问题有了更深刻的体会,具体使用情况还需要大家实践验证。这里是创新互联,小编将为大家推送更多相关知识点的文章,欢迎关注!
分享文章:如何掌握Python线性回归
网址分享:http://scyanting.com/article/iiehps.html