广义线性模型python

一.常用线性模型：

线性回归
正则化线性模型-岭回归
套索回归

二.线性模型的图形化表示：

coef_ 求系数
intercept_ 求截距

##糖尿病测试
from sklearn.datasets import load_diabetes
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
import numpy as npX,y = load_diabetes()['data'],load_diabetes()['target']
X_train,X_test,y_train,y_test = train_test_split(X,y,random_state=8)lr = LinearRegression()
lr.fit(X,y)print("训练数据得分:{:.2f}".format(lr.score(X_test,y_test)))print(load_diabetes().keys())
print(load_diabetes()['data'][1])
print(load_diabetes()['feature_names'])
print(load_diabetes()['target'])
print(load_diabetes()['target_filename'])
'''
'''
newdia=[[18,1,110,100,0,0,0,0,0,0]]
predict = lr.predict(newdia)
print('测试结果：{}'.format(load_diabetes()['target'][predict]))

三.实例：

通过广义线性模型测试身高体重

print(load_diabetes().keys())
print(load_diabetes()['data'][1])
print(load_diabetes()['feature_names'])
print(load_diabetes()['target'])
print(load_diabetes()['target_filename'])
'''
'''
newdia=[[18,1,110,100,0,0,0,0,0,0]]
predict = lr.predict(newdia)
print('测试结果：{}'.format(load_diabetes()['target'][predict]))###身高体重
from sklearn.neighbors import KNeighborsClassifier
from bunch import *
book = Bunch()
book.data = [[170,120],[175,115],[180,135],[160,120],[165,115],[160,105],[185,130],[170,130]]
book.target =[1,0,1,2,1,1,0,2]
book.target_name = ['正常','瘦','正常','胖','正常','正常','瘦','胖']X,y = book['data'],book['target']
X_train,X_test,y_train,y_test = train_test_split(X,y,random_state=8)
lr = LinearRegression()
lr.fit(X,y)print("训练数据得分:{:.2f}".format(lr.score(X_test,y_test)))
newdia=np.array([[160,123]])
predict = lr.predict(newdia)
print('测试结果：{}'.format(np.array(book['target_name'])[int(np.round(predict))]))

后面为自己组建的数据测试，由于数据过少只作为参考，数据格式使用Bunch对象。

广义线性模型python相关推荐

Python使用sklearn构建广义线性模型：泊松回归（Poisson regression）实战
Python使用sklearn构建广义线性模型:泊松回归(Poisson regression)实战目录 Python使用sklearn构建广义线性模型:泊松回归(Poisson regressio ...
Python使用sklearn构建广义线性模型：gamma回归（Gamma regression）实战
Python使用sklearn构建广义线性模型:gamma回归(Gamma regression)实战目录 Python使用sklearn构建广义线性模型:gamma回归(Gamma regress ...
Python使用sklearn构建广义线性模型：Tweedie回归（Tweedie regression）实战
Python使用sklearn构建广义线性模型:Tweedie回归(Tweedie regression)实战目录 Python使用sklearn构建广义线性模型:Tweedie回归(Tweedie ...
python 广义线性模型_数学建模/机器学习：广义加性模型(GAM)及其Python实现
笔者做过国赛也做过美赛,其中一类典型问题就是分析相关性,从而进行预测或者其他操作.这类问题通常情况下属于比较常规的问题,一般通过matlab或SPSS分析相关性,得到一个较好的数值即可. 然而有的时候 ...
【机器学习】知否？知否？广义线性模型
本文介绍了广义线性模型,其中线性回归.logistic回归,softmax回归同属于广义线性模型.从指数分布家族推导出高斯分布.伯努利分布对应的指数分布家族形式,以最大化期望为目标推导出线性回归.lo ...
c++ error函数_R语言中广义线性模型(GLM)中的分布和连接函数分析
原文链接:http://tecdat.cn/?p=14874 通常,GLM的连接函数可能比分布更重要.为了说明,考虑以下数据集,其中包含5个观察值 x = c(1,2,3,4,5)y = c(1,2, ...
scikit-learn学习笔记（三）Generalized Linear Models ( 广义线性模型 )
Generalized Linear Models ( 广义线性模型 ) 以下是一组用于回归的方法,其中目标值预期是输入变量的线性组合.在数学概念中,如果是预测值. 在整个模块中,我们指定向量 ...
广义线性模型--Generalized Linear Models
监督学习问题: 1.线性回归模型: 适用于自变量X和因变量Y为线性关系 2.广义线性模型: 对于输入空间一个区域改变会影响所有其他区域的问题,解决为:把输入空间划分成若干个区域,然后对每个区域用不同的 ...
R语言广义线性模型函数GLM、广义线性模型（Generalized linear models）、GLM函数的语法形式、glm模型常用函数、常用连接函数、逻辑回归、泊松回归、系数解读、过散度分析
R语言广义线性模型函数GLM.广义线性模型(Generalized linear models).GLM函数的语法形式.glm模型常用函数.常用连接函数.逻辑回归.泊松回归.系数解读.过散度分析目录
广义线性模型GLM、GLMM、LMM、MLM、GMM、GEE、广义线性模型GLM和广义线性混合模型的GLMM区别
R语言广义线性模型GLM.GLMM.LMM.MLM.GMM.GEE.广义线性模型GLM和广义线性混合模型的GLMM区别目录

广义线性模型python

一.常用线性模型：

二.线性模型的图形化表示：

三.实例：

广义线性模型python相关推荐

最新文章

热门文章