Python机器学习Sklearn入门之线性回归
来源:互联网 发布:微信签到抽积分 源码 编辑:程序博客网 时间:2024/05/16 10:23
Python机器学习Sklearn入门之线性回归
其表达形式为 y = w’x + e,e为误差服从均值为0的正态分布
读数据,保存到变量 x_train,y_train
fs0='dat/iris_'print('\n1# fs0,',fs0)x_train=pd.read_csv(fs0+'xtrain.csv',index_col=False);y_train=pd.read_csv(fs0+'ytrain.csv',index_col=False);
输出训练数据尾部
print('\n2# train')print(x_train.tail())print(y_train.tail())
对应输出结果
x1 x2 x3 x4107 6.3 2.8 5.1 1.5108 6.4 3.1 5.5 1.8109 6.3 2.5 4.9 1.5110 6.7 3.1 5.6 2.4111 4.9 3.1 1.5 0.1 xid107 1108 1109 3110 1111 2
调用线性回归函数,建立模型,保存到 mx
mx =zai.mx_line(x_train.values,y_train.values)
mx_line函数
def mx_line(train_x,train_y): mx = LinearRegression() mx.fit(train_x,train_y) return mx
调用 LinearRegression() 函数生成模型,运行 fit,分析学习数据。Sklearn 模块库中的各种机器学习函数基本上都是采用 fit 自动学习和建立模型
线性回归函数接口
LinearRegression(fit_intercept = True,normalize = False,copy_x = True,n_jobs = 1)
读入测试数据
x_test=pd.read_csv(fs0+'xtest.csv',index_col=False)df9=x_test.copy()print('\n4# x_test')print(x_test.tail())
对应输出
x1 x2 x3 x433 6.4 2.8 5.6 2.134 5.8 2.8 5.1 2.435 5.3 3.7 1.5 0.236 5.5 2.3 4.0 1.337 5.2 3.4 1.4 0.2
预测
print('\n5# 预测')y_pred = mx.predict(x_test.values)df9['y_predsr']=y_pred
读训练数据的正确结果,保存到 y_test
y_test=pd.read_csv(fs0+'ytest.csv',index_col=False)print('\n6# y_test')print(y_test.tail())
输出结果
xid33 134 135 236 337 2
整理结果,保存文件
df9['y_test'],df9['y_pred']=y_test,y_preddf9['y_pred']=round(df9['y_predsr']).astype(int) df9.to_csv('tmp/iris_9.csv',index=False)print('\n7# df9')print(df9.tail())
输出结果
x1 x2 x3 x4 y_predsr y_test y_pred33 6.4 2.8 5.6 2.1 1.551677 1 234 5.8 2.8 5.1 2.4 1.209887 1 135 5.3 3.7 1.5 0.2 2.093058 2 236 5.5 2.3 4.0 1.3 2.317451 3 237 5.2 3.4 1.4 0.2 2.300976 2 2
检验测试结果
dacc=zai.ai_acc_xed(df9,1,False)print('\n8# mx:mx_sum,kok:{0:.2f}%'.format(dacc))
预测结果
8# mx:mx_sum,kok:44.74%
线性回归的准确率只有 44.74%
Python机器学习入门源代码和数据集 请点这里
阅读全文
0 0
- Python机器学习Sklearn入门之线性回归
- 机器学习之线性回归 (Python SKLearn)
- 机器学习sklearn多元线性回归
- 机器学习sklearn多元线性回归2
- Python机器学习Sklearn入门之神经网络
- 机器学习之线性回归python实现
- 机器学习入门-线性回归
- 机器学习入门:入手sklearn框架+线性回归+案例(基金数据的预测)
- 机器学习入门系列之二---线性回归算法学习
- 机器学习之线性回归及sklearn和tensorflow代码示例
- 机器学习教程之2-线性回归(linear regression)的sklearn实现
- 机器学习之线性回归
- 机器学习之线性回归
- 机器学习之线性回归
- 机器学习之线性回归
- 机器学习之线性回归
- 机器学习之线性回归
- 机器学习之线性回归
- C++运算符优先级表
- SQL(Oracle)学习20170916
- 数据挖掘之Web挖掘和文本挖掘
- 利用for循环求1000到2000年间的闰年
- java动态代理-自己实现
- Python机器学习Sklearn入门之线性回归
- jquery原理的简单分析,让你扒开jquery的小外套
- 初识Spring框架(二)
- 09年3月选拔赛第2题
- Android定位相关
- 杂谈:2d和3d游戏引擎记录
- 数据挖掘之图挖掘
- java初学笔记(一)-安装、环境配置、写HelloWorld程序、编译、执行
- cookei和session