Python中怎么創(chuàng)建線性回歸機器學習模型，相信很多沒有經(jīng)驗的人對此束手無策，為此本文總結(jié)了問題出現(xiàn)的原因和解決方法，通過這篇文章希望你能解決這個問題。

創(chuàng)新互聯(lián)公司是一家集網(wǎng)站建設,鶴崗企業(yè)網(wǎng)站建設,鶴崗品牌網(wǎng)站建設,網(wǎng)站定制,鶴崗網(wǎng)站建設報價,網(wǎng)絡營銷,網(wǎng)絡優(yōu)化,鶴崗網(wǎng)站推廣為一體的創(chuàng)新建站企業(yè)，幫助傳統(tǒng)企業(yè)提升企業(yè)形象加強企業(yè)競爭力。可充分滿足這一群體相比中小企業(yè)更為豐富、高端、多元的互聯(lián)網(wǎng)需求。同時我們時刻保持專業(yè)、時尚、前沿，時刻以成就客戶成長自我，堅持不斷學習、思考、沉淀、凈化自己，讓我們?yōu)楦嗟钠髽I(yè)打造出實用型網(wǎng)站。

線性回歸機器學習模型

1.要使用的數(shù)據(jù)集

由于線性回歸是我們在本文中學習的第一個機器學習模型，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習理解機器學習的概念，并避免在清理或處理數(shù)據(jù)上花費不必要的時間。

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

2.需要用到的Python庫

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

一般我們會用pd來命名該庫，你可以使用以下語句導入Pandas：

import pandas as pd

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

一般我們也會用np作為Numpy的別名，你可以使用以下語句進行導入：

import numpy as np

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

matplotlib通常以別名導入plt。你可以使用以下語句導入：

import matplotlib.pyplot as plt  %matplotlib inline

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，你還要導入seaborn，這是另一個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入：

import seaborn as sns

總結(jié)一下，這是本文必需的庫的導入：

import pandas as pd  import numpy as np  import matplotlib.pyplot as plt  %matplotlib inline  import seaborn as sns

導入數(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：

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

要將數(shù)據(jù)集導入到Jupyter Notebook中，首先要做的是通過將該URL復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)集導入到Jupyter Notebook中：

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

該數(shù)據(jù)集具有許多功能，包括：

• 房屋面積的平均售價

• 該地區(qū)平均客房總數(shù)

• 房子賣出的價格

• 房子的地址

此數(shù)據(jù)是隨機生成的，因此你會看到一些可能沒有意義的細微差別(例如，在應該為整數(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變量下導入了數(shù)據(jù)集，你可以使用該info方法獲取有關數(shù)據(jù)集的一些高級信息。具體來說，運行raw_data.info()可以得出：

  RangeIndex: 5000 entries, 0 to 4999  Data columns (total 7 columns):  Avg. Area Income                5000 non-null float64  Avg. Area House Age             5000 non-null float64  Avg. Area Number of Rooms       5000 non-null float64  Avg. Area Number of Bedrooms    5000 non-null float64  Area Population                 5000 non-null float64  Price                           5000 non-null float64  Address                         5000 non-null object  dtypes: float64(6), object(1)  memory usage: 273.6+ KB

另一個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DataFrame作為參數(shù)傳遞。通過下面的一行代碼進行說明：

sns.pairplot(raw_data)

該語句的輸出如下：

接下來，讓我們開始構建線性回歸模型。

建立機器學習線性回歸模型

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

首先，我們應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：

Index(['Avg. Area Income', 'Avg. Area House Age', 'Avg. Area Number of Rooms',         'Avg. Area Number of Bedrooms', 'Area Population', 'Price', 'Address'],        dtype='object')

x-array除了價格(因為這是我們要預測的變量)和地址(因為它僅包含文本)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。

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

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。

y = raw_data['Price']

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，我們將學習如何將數(shù)據(jù)集進一步分為訓練數(shù)據(jù)和測試數(shù)據(jù)。

將我們的數(shù)據(jù)集分為訓練數(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 模塊導入函數(shù) scikit-learn。

這是執(zhí)行此操作的完整代碼：

from sklearn.model_selection import train_test_split

該train_test_split數(shù)據(jù)接受三個參數(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 功能將為我們拆分數(shù)據(jù)!如果我們想讓測試數(shù)據(jù)占整個數(shù)據(jù)集的30%，可以使用以下代碼：

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

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，其中列表中的每個項分別是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，是時候構建和訓練我們的線性回歸機器學習模型了。

建立和訓練模型

我們需要做的第一件事是從scikit learn導入LinearRegression估計器。下面是Python語句：

from sklearn.linear_model import LinearRegression

接下來，我們需要創(chuàng)建一個線性回歸Python對象的實例。我們將把它賦給一個名為model的變量。下面是代碼：

model = LinearRegression()

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

model.fit(x_train, y_train)

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

print(model.coef_)

輸出：

[2.16176350e+01 1.65221120e+05 1.21405377e+05 1.31871878e+03   1.52251955e+01]

類似地，下面是如何查看回歸方程的截距：

print(model.intercept_)

輸出：

-2641372.6673013503

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

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

這種情況下的輸出更容易理解：

讓我們花點時間來理解這些系數(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)域人口增加一個單位將導致預測變量(在本例中為價格)增加15個單位。

換言之，某個特定變量上的大系數(shù)意味著該變量對您試圖預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機器學習線性回歸模型，現(xiàn)在是時候使用該模型從我們的測試數(shù)據(jù)集進行預測了。

根據(jù)我們的模型做出預測

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

因為 predict 變量是用來進行預測的，所以它只接受一個 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測所需的代碼：

predictions = model.predict(x_test)

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

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

plt.scatter(y_test, predictions)

這是代碼生成的散點圖：

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

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

使用以下代碼語句可以輕松實現(xiàn)：

plt.hist(y_test - predictions)

以下為代碼生成的可視化效果：

這是我們的機器學習模型殘差的直方圖。

你可能會注意到，我們的機器學習模型中的殘差似乎呈正態(tài)分布。這正好是一個很好的信號!

它表明我們已經(jīng)選擇了適當?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)集進行預測。在本課程的后面，我們將詳細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就了解到，回歸機器學習模型使用了三個主要性能指標：

• 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建的模型計算每個指標。在繼續(xù)之前，記得在Jupyter Notebook中運行以下import語句：

from sklearn import metrics

平均絕對誤差(MAE)

可以使用以下語句計算Python中的平均絕對誤差：

metrics.mean_absolute_error(y_test, predictions)

均方誤差(MSE)

同樣，你可以使用以下語句在Python中計算均方誤差：

metrics.mean_squared_error(y_test, predictions)

均方根誤差(RMSE)

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

幸運的是，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方法輕松計算：

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

附完整代碼

這是此Python線性回歸機器學習教程的全部代碼。

import pandas as pd  import numpy as np  import matplotlib.pyplot as plt  import seaborn as sns  %matplotlib inline  raw_data = pd.read_csv('Housing_Data.csv')  x = raw_data[['Avg. Area Income', 'Avg. Area House Age', 'Avg. Area Number of Rooms',         'Avg. Area Number of Bedrooms', 'Area Population']]  y = raw_data['Price']  from sklearn.model_selection import train_test_split  x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.3)  from sklearn.linear_model import LinearRegression  model = LinearRegression()  model.fit(x_train, y_train)  print(model.coef_)  print(model.intercept_)  pd.DataFrame(model.coef_, x.columns, columns = ['Coeff'])  predictions = model.predict(x_test)  # plt.scatter(y_test, predictions)  plt.hist(y_test - predictions)  from sklearn import metrics  metrics.mean_absolute_error(y_test, predictions)  metrics.mean_squared_error(y_test, predictions)  np.sqrt(metrics.mean_squared_error(y_test, predictions))

看完上述內(nèi)容，你們掌握Python中怎么創(chuàng)建線性回歸機器學習模型的方法了嗎？如果還想學到更多技能或想了解更多相關內(nèi)容，歡迎關注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝各位的閱讀！