机器学习-线性回归-身高体重关系预测

基于上一篇机器学习-根据身高体重画图练习，本篇采用回归模型，拟合身高和体重的数据，并且可以根据给定的身高预测体重。


# 引用sklearn库，其中包含线性回归模块
from sklearn import datasets, linear_model# 把数据拆分成训练集和测试集
from sklearn.model_selection import train_test_split# 引用 numpy库，做科学计算
import numpy as np# 引用matplotlib库，主要用来画图
import matplotlib.pyplot as plt# 创建数据集，并将其写入np数组中 np array和python list的区别如下：
# python 中的 list 是 python 的内置数据类型，list 中的数据类型不必相同，
# 在 list 中保存的是数据的存放的地址，即指针，并非数据。
# array() 是 numpy 包中的一个函数，array 里的元素都是同一类型。
data = np.array([[152, 51], [156, 53], [160, 54], [164, 55],[168, 57], [172, 60], [176, 62], [180, 65],[184, 69], [188, 72]])
print("数据大小(%d,%d)：" %data.shape)# 将数据存放在X特征向量和y标签中。因为后面调用模型的时候对特征向量有要求，所以需要把X，y转化为矩阵形式
X, y = data[:, 0].reshape(-1, 1), data[:, 1]# 使用train_test_split函数把数据随机分为训练数据和测试数据。训练数据的占比由参数train_size决定
# 例如：当train_size=0.8时，表示80%的数据将会作为训练数据，20%的数据为测试数据
X_train, X_test, y_train, y_test = train_test_split(X, y, train_size=0.8)# 创建线性回归模型
regr = linear_model.LinearRegression()# 在X_train, y_train上训练线性回归模型。训练结束后，结果模型将会存储到regr中
regr.fit(X_train, y_train)# 计算训练好的模型在训练数据上得拟合程度 R:决定系数
print("训练数据决定稀疏R: %.2f" % regr.score(X_train, y_train))# 画训练数据图
plt.scatter(X_train, y_train, color='black')
# 画出训练数据上已经拟合完毕的直线
plt.plot(X_train, regr.predict(X_train), color='blue')# 画出测试数据
plt.scatter(X_test, y_test, color='pink')# 添加x，y轴标签
plt.xlabel('height(cm)')
plt.ylabel('weight(kg)')
plt.show()# 输出在测试数据上的决定系数
print('测试数据决定系数：%.2f' % regr.score(X_test, y_test))
print("测试模型，给出身高，输出体重: %.2f" % regr.predict([[199]]))print("训练数据特征：", X_train, "训练数据标签", y_train)
print("测试数据特征：", X_test, "测试数据标签", y_test)

执行以后，图像如下：

解释一下：
regr.score拟合程度 R:决定系数：
其中，y是实际的观察值， y^ 是模型预测的输出值。 y-是表示的是均值

用数学语言简单描述，决定系数R2就是回归平方和与总平方和之比，其表达式为：
R2取值在0到1之间，其数值大小反映了回归贡献的相对程度，即在因变量Y的总变异中，回归关系所能解释的百分比。R2是最常用于评价回归模型优劣程度的指标。

机器学习-线性回归-身高体重关系预测相关推荐

基于图机器学习的微生物网络关系预测算法研究
龙亚辉预答辩公告浏览次数:410日期:2021-03-19编辑:院研究生秘书预答辩公告论文题目基于图机器学习的微生物网络关系预测算法研究答辩人龙亚辉指导教师骆嘉伟答辩委员会主席王 ...
用python写身高体重关系，excel表格输入数据进行查找
import random #随机数的包 import pandas as pd #Python Data Analysis Library 或 pandas 是基于NumPy 的一种工具,该工具是为 ...
机器学习-根据身高体重画图
import numpy as np import matplotlib.pyplot as plt# 第一列身高,第二列体重 data = np.array([[152, 51], [156, 53 ...
使用线性回归对身高体重数据集分析
初识线性回归一.数学原理分析线性回归最小二乘法二.EXCEL简单处理 20组数据 200组数据 2000组数据 20000组数据三.python语言设计最小二乘法计算(使用anaconda的 ...
机器学习（18）-- SVM支持向量机（根据身高体重分类性别）
目录一.基础理论二.身高体重预测性别 1.获取数据(男女生身高体重) 2.数据处理(合并数据) 3.设置标签 4.创建分类器(支持向量机) 4-1.创建svm分类器 4-2.设置分类器属性(线性核 ...
用python预测小孩的身高体重标准表格_【儿童的标准身高】儿童身高体重标准表2017 儿童身高体重计算公式...
导读:如何判断婴儿的正常生长身高在其生长发育过程中的重量?我收集了2017年儿童身高为每个人称重标准表.我不再需要用肉眼来判断了~通过比较表格来监控宝宝的成长~宝宝身高体重标准表根据儿童体格发育调查结 ...
机器学习线性回归实践，广告投放收益预测，手写梯度下降
机器学习线性回归模型,广告投放与收益预测,梯度下降法python实现数据集介绍代码数据导入特征缩放绘制三个不同地方广告投入与收益的散点图数据处理添加偏置列定义代价函数梯度下降初始化 ...
使用Excel和jupyter拟合身高体重数据集线性回归模型
文章目录一.使用Excel拟合线性回归模型 1.20组数据拟合 2.200组数据拟合 3.2000组数据拟合二.用jupyter编程(不借助第三方库),用最小二乘法 3.20组数据拟合 2.200 ...
《机器学习实战》8.2 线性回归基础篇之预测鲍鱼年龄
<机器学习实战>8.2 线性回归基础篇之预测鲍鱼年龄搜索微信公众号:'AI-ming3526'或者'计算机视觉这件小事' 获取更多人工智能.机器学习干货 csdn:https://blo ...

机器学习-线性回归-身高体重关系预测

机器学习-线性回归-身高体重关系预测相关推荐

最新文章

热门文章