线性模型python代码

# -*- coding: utf-8 -*-"""Created on Tue Oct 10 23:10:00 2017Version：python3.5.1@author: Stone"""import pandas as pdfrom numpy.linalg import invfrom numpy import dot# 正规方程法# 拟合线性模型： Sepal.Length ~ Sepal.Width + Petal.Length + Petal.Width# 该模型以萼片宽度+花瓣宽度+花瓣长度 来推测萼片长度。#  即模型：Sepal.Length = Sepal.Width * x1 + Petal.Length * x2 + Petal.Width * x3 + biris = pd.read_csv('iris.csv')  #读取iris.csv 文件temp = iris.iloc[:,2:5] #表示在你定义的矩阵iris中，分别是行[0,end),列[2:5)    # iloc直接确定行列数，左闭右开temp['x0'] = 1    #为了把误差b加入w*=（w,b）向量(周志华的《机器学习》P55页的 w*上面有个‘^’符号，这里不好输入)，temp表格后面加以1列X0，并每行赋值1,就是为了把b吸收进入w*。X = temp.iloc[:,[0,1,2,3 ]]   #赋值矩阵X为0,1，2,3列，150行。 列名为 Sepal.Width，Petal.Length，Petal.Width，x0Y = iris.iloc[:,1]   #选取标记列：Sepal.Length ，就是我们的拟合目标Sepal.Length。Y = Y.values.reshape(len(iris), 1)#values是返回值 reshape()重塑数组，如这里变成新的1列iris表格长度的列表，形如[[a],[b],...]#书上Y是标记,就是我们要拟合的目标。theta_n = dot(dot(inv(dot(X.T, X)), X.T), Y)  # theta = (X'X)^(-1)X'Y  dot是按照矩阵乘法的规则来运算，inv()是求逆矩阵的 X.T是X矩阵的转制print(theta_n)  #打印权重系数print('请依次输入需要预测的Sepal.Width，Petal.Length，Petal.Width：')x1,x2,x3 = map(float,input().split())t = (0.65083716*x1 + 0.70913196*x2 - 0.55648266*x3 + 1.85599749 )print('预测的花萼长度为：',t)#测试了下，三种数据的误差还可以，至少能拟合了。#上面x1,x2,x3，b的系数值就是我们求出来的权值。