华盛顿大学机器学习课程（个案研究法）

本课程主要是从应用入手，来解释一些机器学习中的模型。

案例一：regression, linear regression（回归、线性回归）

这个是一个经典的预测房价的案例。假设我们有一组房子的数据，包括房子面积，房间数目，卫生间个数，以及出售价格等属性，那么如何通过这些已知数据，来预测一个房子的出售价格呢？

利用的方法就是统计学中常用的数据分析方法——线性回归。利用该方法找到最合适的模型，来对新的数据进行预测。一般情况下，会把已知的真实数据划分为两部分，一个叫训练集（training set），一个叫测试集（test set）。训练集用于训练模型，测试集用于评价模型的准确性，并根据测试结果，按需调整模型的参数，使模型更加准确。

模型代码：
首先也要导入graphlab库

import graphlab

这边因为我没有在他给的笔记文件路径下使用，而是自己新建了一个文件，但是我想用他的数据，不知道怎么描述数据路径，这里用了os库查了一下当前路径

import osos.getcwd()

然后就返回了当前路径：

修改工作目录：

os.chdir('')#括号里的路径貌似要写\\的

得到当前路径，然后根据其格式改到数据所在路径，然后就能载入数据了。

sales = graphlab.SFrame('/home/jovyan/work/Week 2/home_data.gl/')

得到数据后，我们想在notebook下把它展示出来，不必打开新的浏览器，句式如下：

graphlab.canvas.set_target("ipynb")sales.show(view="Scatter Plot",x="sqft_living",y="price")#散点图，x轴为面积，y轴为价格

下面开始用该数据实现一个简单的回归模型。
之前说明过，数据在做任何处理之前，都要先把它分为训练集和测试集。
分离数据：

train_data,test_data = sales.random_split(.8,seed=0)#这边要设置随机分裂的种子

构建一个线性模型

sqft_model = graphlab.linear_regression.create(train_data,target='price',features=['sqft_living'])#利用训练数据集，目标输出是price，输入特征为sqft_living。这边输入特征不选的话默认所有。

模型训练完成之后，用测试数据集进行测试

print(sqft_model.evaluate(test_data))

这里的RMSE是均方根误差.

下面看一下我们的预测模型是什么样子的
导入matplotlib包

import matplotlib.pyplot as plt%matplotlib inline

查看模型中的相关系数：

sqft_model.get('coefficients')

观察数据里的其他特征

my_features = ['bedrooms','bathrooms','sqft_living','sqft_lot','floors','zipcode']sales[my_features].show()sales.show(view='BoxWhisker Plot',x='zipcode',y='price')