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
最新文章
- 深入理解Oracle RAC 12c 笔记
- ES使用org.elasticsearch.client.transport.NoNodeAvailableException: No node available 错误解决方法
- python创建矩阵行向量_python矩阵和向量的转置问题
- Java按规则生成唯一编号
- JavaScript:JavaScript中常见获取对象元素的方法
- MySQL Workbench工具设置编码
- (01)VTK读取OBJ格式模型
- git可视化工具—GitKraken
- 在电子政务项目中如何应付长官意识和拖沓的工作作风?
- 【0709作业】简易的购房商贷月供计算器
- 验证整数和小数的正则表达式
- 江西理工大学校园网开机自动连接,断网自动重连
- ubuntu16.04,解决桌面右键菜单失效问题!
- 华为路由器实现ipsec
- 制作canal-adapter的docker镜像
- 通过路由器实现两个网段的通信(上)
- wap建站系统开源_golang开源建站系统看过够kangg
- 特征工程(七):图像特征提取和深度学习
- 如何下载唐山市卫星地图高清版大图
- 解决网站出现“Error establishing a database connection“的方法