Python机器学习与项目实践- 课件 chap3-线性模型.pptx

线性模型;教学内容;矩阵微积分;关于概率的一些基本概念;概率的一些基本概念;概率的一些基本概念;概率的一些基本概念;线性回归模型;模型：

增广权重向量和增广特征向量

;第1步，我们需要导入所需的包。

增广权重向量和增广特征向量

1．from?sklearn?import?datasets???#导入sklearn?中的数据集??

2．from?sklearn.model_selection?import?train_test_split?#导入数据集划分模块??

3．from?sklearn.linear_model?import?LinearRegression?#导入线性回归模型??

4．from?sklearn.metrics?import?mean_squared_error?#导入均方差评价指标?

?

;第2步，首先加载数据集

增广权重向量和增广特征向量

1．#加载波士顿房价数据集??

2．boston_data=datasets.load_boston()??

3．#获取波士顿房价数据集的特征集??

4．bonston_x=boston_data.data???

5．#获取波士顿房价数据集的目标值??

6．bonston_y=boston_data.target??

7．#查看数据集键值对??

8．print(boston_data.keys())??

9．#查看数据集描述??

10．print(boston_data.DESCR)??

11．#查看数据集特征值形状，可以看出有506个样本，每个样本有13个特征??

12．print(bonston_x.shape)????

13．#查看数据集目标值形状，有506个目标值。可以发现没有缺失值??

14．print(bonston_y.shape)??

?

;通过结果可以知道共有506个样本，特征向量维度为13，也就是说房价有13个影响因素。增广权重向量和增广特征向量

?

;第3步，划分训练集和测试集，其中测试集占数据集的20%。

1．#对数据集进行划分，其中测试集占数据集的20%??

2．features_train,features_test,target_train,target_test?=train_test_split(bonston_x,bonston_y,test_size=0.2)

?

;第4步，实例化模型并进行训练。

1．#实例化模型??

2．model?=LinearRegression()??

3．#进行模型训练??

4．model.fit(features_train,target_train)?

?

;第5步，对测试集进行预测，并输出预测目标值和真实目标值，从而直观地感受预测目标值与真实值目标的差距。

1．#进行预测??

2．target_test_predict=model.predict(features_test)??

3．#查看预测目标值

4．print(target_test_predict)??

5．#查看真实目标值??

6．print(target_test)??

?

;第6步，对模型进行评价，采用的是均方??评价函数：

1．#?对模型效果进行评价??

2．error=mean_squared_error(target_test,target_test_predict)??

3．print(测试数据的误差：,error)??

?

;逻辑回归模型;

?

;

?

;导入需要使用的包。

1．#导入需要使用的包??

2．#导入划分训练集、测试集需要使用的包??

3．from?sklearn.model_selection?import?train_test_split??

4．#导入鸢尾花数据集??

5．from?sklearn.datasets?import?load_iris??

6．#导入sklearn中的逻辑回归模型??

7．from?sklearn.linear_model?import?LogisticRegression??

?

;然后加载鸢尾花数据集，查看数据集键值对，查看数据集描述，查看特征集形状。

1．#加载鸢尾花数据集??

2．iris_data=load_iris()??

3．#查看鸢尾花数据集的键值对??

4．print(iris_data.keys())??

5．#查看鸢尾花数据集的描述??

6．print(iris_data.DESCR)??

7．#查看鸢尾花特征集的形状??

8．print(iris_data.data.shape)?

??

?

;接下来划分数据集。

1．#将数据集划分为测试集和训练集，使用默认划分比例，测试集占数据集的25%，查看划分后训练集的形状??

2．features_trai