机器学习：线性模型通过python创建机器模型最终预测出儿童身高*

理论上，一个人的身高除了随年龄变大而增长之外，在一定程度上还受到遗传和饮食习惯以及其他因素的影响。在这里我们把问题简化一下，假定一个人的身高只受年龄、性别、父母身高、祖父母身高和外祖父母身高这几个因素的影响，并假定大致符合线性关系。
*
代码如下
import copy

import numpy as np

from sklearn import linear_model

def linearRegressionPredict(x, y):

lr = linear_model.LinearRegression()

拟合

lr.fit(x, y)return  lr

儿童年龄,性别（0女1男）,父亲身高,母亲身高,祖父身高,祖母身高,外祖父身高,外祖母身高

x = np.array([[1, 0, 180, 165, 175, 165, 170, 165],

[3, 0, 180, 165, 175, 165, 173, 165],

[4, 0, 180, 165, 175, 165, 170, 165],

[6, 0, 180, 165, 175, 165, 170, 165],

[8, 1, 180, 165, 175, 167, 170, 165],

[10, 0, 180, 166, 175, 165, 170, 165],

[11, 0, 180, 165, 175, 165, 170, 165],

[12, 0, 180, 165, 175, 165, 170, 165],

[13, 1, 180, 165, 175, 165, 170, 165],

[14, 0, 180, 165, 175, 165, 170, 165],

[17, 0, 170, 165, 175, 165, 170, 165]])

儿童身高，单位：cm

y = np.array([60, 90, 100, 110,

130, 140, 150, 164,

160, 163, 168])

根据已知数据拟合最佳直线的系数和截距

lr = linearRegressionPredict(x, y)

查看最佳拟合系数

print(‘k:’, lr.coef_)

截距

print(‘b:’, lr.intercept_)

预测

xs = np.array([[10, 0, 180, 165, 175, 165, 170, 165],

[17, 1, 173, 153, 175, 161, 170, 161],

[34, 0, 170, 165, 170, 165, 170, 165]])

for item in xs:

深复制，假设超过18岁以后就不再长高了

item1 = copy.deepcopy(item)if item1[0] > 18:item1[0] = 18print(item, ':', lr.predict(item1.reshape(1,-1)))

结果：

注意：如果我们训练的数据集越多和准确，我们的预测也越准确。

机器学习：线性模型通过python创建机器模型最终预测出儿童身高相关推荐

python中mopn,是否可以使用python创建dymola模型（.mo）？
正如matth所指出的,最干净的方法可能是使用模板引擎. 但首先,简单的python字符串格式也可以.在但是,问题或多或少是复杂的,这取决于您是要更新现有模型的一部分,还是只是从头开始创建新模型.在 ...
【机器学习】——纯Python建立BP模型
参考:https://blog.csdn.net/michael_f2008/article/details/103715699 https://developer.aliyun.com/articl ...
机器学习实战：Python基于支持向量机SVM-RFE进行分类预测（三）
文章目录 1 前言 1.1 支持向量机的介绍 1.2 支持向量机的应用 2 demo数据集演示 2.1 导入函数 2.2 构建数据集拟合 2.3 预测模型及可视化 3 实例演示分类(非SVM) 3.1 ...
python实现KNN模型分类预测并验证评估（附代码）
实现功能: python实现KNN建模,选择最佳K值,对数据样本进行分类预测,并验证评估. 实现代码: # 导入需要的库 from warnings import simplefilter simpl ...
机器学习之用Python实现最小二乘法进行额度预测
2. 使用最小二乘法进行贷款额度预测: 给定训练样本集合如下: 求解:当工资18000.年龄30时,额度是多少?给出代码与运行结果图难点在于有两个参数画三维图需要引入mpl_toolkits.mp ...
【项目实战】Python基于GARCH模型进行预测特斯拉股票，以及评估金融资产的风险
【AI with ML】第 10 章：创建 ML 模型以预测序列
机器学习入门（2）之模型评估与选择
目录一.误差与拟合 1. 泛化误差与经验误差 2. 损失函数与训练误差 3. 过拟合与欠拟合 4. 过拟合的另一种现象:数据泄露二.评估方法 1. 留出法 2. 交叉验证法(留一法) 3. 自助法 ...
机器学习系列4 使用Python创建Scikit-Learn回归模型
本文中包含的案例jupyter笔记本可在我的资源中免费下载: 机器学习系列4 使用Python创建Scikit-learn线性回归模型.ipynb 图1 使用Python和Scikit-learn库实 ...

机器学习：线性模型通过python创建机器模型最终预测出儿童身高