机器学习sklearn(75):算法实例(三十二)回归(四)线性回归大家族(二)多元线性回归LinearRegression
2021/7/2 22:23:07
本文主要是介绍机器学习sklearn(75):算法实例(三十二)回归(四)线性回归大家族(二)多元线性回归LinearRegression,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
1 多元线性回归的基本原理
2 最小二乘法求解多元线性回归的参数
https://en.wikipedia.org/wiki/Matrix_calculus
3 linear_model.LinearRegression
class sklearn.linear_model.LinearRegression (fifit_intercept=True, normalize=False, copy_X=True, n_jobs=None)1. 导入需要的模块和库
from sklearn.linear_model import LinearRegression as LR from sklearn.model_selection import train_test_split from sklearn.model_selection import cross_val_score from sklearn.datasets import fetch_california_housing as fch #加利福尼亚房屋价值数据集 import pandas as pd2. 导入数据,探索数据
housevalue = fch() #会需要下载,大家可以提前运行试试看 X = pd.DataFrame(housevalue.data) #放入DataFrame中便于查看 y = housevalue.target X.shape y.shape X.head() housevalue.feature_names X.columns = housevalue.feature_names """ MedInc:该街区住户的收入中位数 HouseAge:该街区房屋使用年代的中位数 AveRooms:该街区平均的房间数目 AveBedrms:该街区平均的卧室数目 Population:街区人口 AveOccup:平均入住率 Latitude:街区的纬度 Longitude:街区的经度 """3. 分训练集和测试集
Xtrain, Xtest, Ytrain, Ytest = train_test_split(X,y,test_size=0.3,random_state=420) for i in [Xtrain, Xtest]: i.index = range(i.shape[0]) Xtrain.shape #如果希望进行数据标准化,还记得应该怎么做吗? #先用训练集训练标准化的类,然后用训练好的类分别转化训练集和测试集4. 建模
reg = LR().fit(Xtrain, Ytrain) yhat = reg.predict(Xtest) yhat5. 探索建好的模型
reg.coef_ [*zip(Xtrain.columns,reg.coef_)] """ MedInc:该街区住户的收入中位数 HouseAge:该街区房屋使用年代的中位数 AveRooms:该街区平均的房间数目 AveBedrms:该街区平均的卧室数目 Population:街区人口 AveOccup:平均入住率 Latitude:街区的纬度 Longitude:街区的经度 """ reg.intercept_建模的过程在sklearn当中其实非常简单,但模型的效果如何呢?接下来我们来看看多元线性回归的模型评估指标。
这篇关于机器学习sklearn(75):算法实例(三十二)回归(四)线性回归大家族(二)多元线性回归LinearRegression的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-01-24手把手教你使用MDK仿真调试
- 2024-01-10基于“小数据”的机器学习
- 2024-01-08扩展卡尔曼滤波:提高机器学习性能的利器
- 2023-12-26各种二端口滤波器网络仿真遇到的问题
- 2023-12-14机器学习-搜索技术:从技术发展到应用实战的全面指南
- 2023-12-12机器学习 - 决策树:技术全解与案例实战
- 2023-12-05机器学习-学习率:从理论到实战,探索学习率的调整策略
- 2023-12-04解锁机器学习-梯度下降:从技术到实战的全面指南
- 2023-11-30回归算法全解析!一文读懂机器学习中的回归模型
- 2023-11-30机器学习 - 似然函数:概念、应用与代码实例