#导入有序字典，pandas模块

#数据集
examDict={'LearnTime':[0.50,0.75,1.00,1.25,1.50,1.75,1.75,2.00,2.25,2.50,2.75,3.00,3.25,3.50,4.00,4.25,4.50,4.75,5.00,5.50],'Score': [10,  22,  13,  43,  20,  22,  33,  50,  62,48,  55,  75,  62,  73,  81,  76,  64,  82,  90,  93]
}
examOrderDict=OrderedDict(examDict)
examDf=pd.DataFrame(examOrderDict)

examDf.head()

#查看数据类型与缺失情况
examDf.info()

#提取特征和标签
#特征features
exam_X=examDf.loc[:,'LearnTime']
#标签labes
exam_y=examDf.loc[:,'Score']#绘制散点图
import matplotlib.pyplot as plt#散点图
plt.scatter(exam_X, exam_y, color="g", label="exam data")#添加图标标签
plt.xlabel("Hours")
plt.ylabel("Score")
#显示图像
plt.show()

'''
train_test_split是交叉验证中常用的函数，功能是从样本中随机的按比例选取训练数据（train）和测试数据（test）
第一个参数：所要划分的样本特征
第二个参数：所要划分的样本标签
train_size：训练数据占比，如果是整数的话就是样本的数量
'''from sklearn.cross_validation import train_test_split#建立训练数据和测试数据
X_train , X_test , y_train , y_test = train_test_split(exam_X ,exam_y ,train_size = .8)
#输出数据大小
print('原始数据特征：',exam_X.shape ,'，训练数据特征：', X_train.shape , '，测试数据特征：',X_test.shape )print('原始数据标签：',exam_y.shape ,'训练数据标签：', y_train.shape ,'测试数据标签：' ,y_test.shape)

#绘制散点图
import matplotlib.pyplot as plt#散点图
plt.scatter(X_train, y_train, color="g", label="train data")
plt.scatter(X_test, y_test, color="r", label="test data")#添加图标标签
plt.legend(loc=2)
plt.xlabel("Hours")
plt.ylabel("Pass")
#显示图像
plt.show()

'''
reshape改变数组类型，sklearn要求输入的特征必须是二维数组的类型。
'''
#将训练数据特征转换成二维数组XX行*1列
X_train=X_train.values.reshape(-1,1)
#将测试数据特征转换成二维数组行数*1列
X_test=X_test.values.reshape(-1,1)#第1步：导入线性回归
from sklearn.linear_model import LinearRegression
# 第2步：创建模型：线性回归
model = LinearRegression()
#第3步：训练模型
model.fit(X_train , y_train)

'''
最佳拟合线：z= + x
截距intercept：a
回归系数：b
'''#截距
a=model.intercept_
#回归系数
b=model.coef_print('最佳拟合线：截距a=',a,'，回归系数b=',b)

#绘图
import matplotlib.pyplot as plt
#训练数据散点图
plt.scatter(X_train, y_train, color='g', label="train data")#训练数据的预测值
y_train_pred = model.predict(X_train)
#绘制最佳拟合线
plt.plot(X_train, y_train_pred, color='black', linewidth=3, label="best line")#添加图标标签
plt.legend(loc=2)
plt.xlabel("Hours")
plt.ylabel("Score")
#显示图像
plt.show()

#相关系数：corr返回结果是一个数据框，存放的是相关系数矩阵
rDf=examDf.corr()
print('相关系数矩阵：')
rDf

#线性回归的scroe方法得到的是决定系数R平方
#评估模型:决定系数R平方
model.score(X_test , y_test)

#绘图
import matplotlib.pyplot as plt
#训练数据散点图
plt.scatter(X_train, y_train, color='blue', label="train data")#训练数据的预测值
y_train_pred = model.predict(X_train)
#绘制最佳拟合线：标签用的是训练数据的预测值y_train_pred
plt.plot(X_train, y_train_pred, color='black', linewidth=3, label="best line")#测试数据散点图
plt.scatter(X_test, y_test, color='red', label="test data")#添加图标标签
plt.legend(loc=2)
plt.xlabel("Hours")
plt.ylabel("Score")
#显示图像
plt.show()