机器学习实战-回归算法-18

回归算法-波士顿房价预测

from sklearn.datasets import load_boston
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.linear_model import LassoCV
import seaborn as sns

house = load_boston()

print(house.DESCR)

x = house.data
y = house.target

df = pd.DataFrame(x, columns=house.feature_names)
df['Target'] = pd.DataFrame(y, columns=['Target'])

df.head()

plt.figure(figsize=(15,15))
# 画热力图，数值为两个变量之间的相关系数
p=sns.heatmap(df.corr(), annot=True, square=True)

# 数据标准化
from sklearn.preprocessing import StandardScalerss = StandardScaler()
x = ss.fit_transform(x)

print(x[:5])

from sklearn.model_selection import train_test_split
# 切分数据集
x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.3)

# 创建模型
model = LassoCV()
model.fit(x_train, y_train)# lasso系数
print(model.alpha_)
# 相关系数
print(model.coef_)

model.score(x_test, y_test)

回归算法-葡萄酒质量和时间关系

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

# 载入数据
data = np.genfromtxt('linear.csv', delimiter=',')
# 画图
plt.scatter(data[1:,0],data[1:,1])
plt.title('Age Vs Quality (Test set)')
plt.xlabel('Age')
plt.ylabel('Quality')
plt.show()

# 数据拆分
x_train, x_test, y_train, y_test = train_test_split(data[1:, 0], data[1:, 1], test_size = 0.3)

# 1D->2D，给数据增加一个维度，主要是训练模型的时候，函数要求传入2维的数据
x_train = x_train[:, np.newaxis]
x_test = x_test[:, np.newaxis]

# 训练模型
model = LinearRegression()
model.fit(x_train, y_train)

# 训练集的散点图
plt.scatter(x_train, y_train, color = 'b')
# 模型对训练集的预测结果
plt.plot(x_train,model.predict(x_train), color ='r' , linewidth=5)
# 画表头和xy坐标描述
plt.title('Age Vs Quality (Training set)')
plt.xlabel('Age')
plt.ylabel('Quality')
plt.show()

# 测试集的散点图
plt.scatter(x_test, y_test, color = 'b')
# 模型对测试集的预测结果
plt.plot(x_test,model.predict(x_test), color ='r', linewidth=5)
# 画表头和xy坐标描述
plt.title('Age Vs Quality (Test set)')
plt.xlabel('Age')
plt.ylabel('Quality')
plt.show()

机器学习实战-回归算法-18相关推荐

机器学习多变量回归算法_如何为机器学习监督算法识别正确的自变量？
机器学习多变量回归算法 There is a very famous acronym GIGO in the field of computer science which I have learn ...
机器学习实战-KNN算法-20
机器学习实战-KNN算法-鸢尾花分类 # 导入算法包以及数据集 from sklearn import neighbors from sklearn import datasets from skle ...
机器学习逻辑回归算法应用案例
机器学习逻辑回归算法应用案例时间:2020.09.12 出处:https://www.kesci.com/home/project/5bfe39b3954d6e0010681cd1 注明:初学逻辑 ...
机器学习算法平台alink_机器学习-逻辑回归算法
1-逻辑回归算法原理推导逻辑回归算法其实是一个分类算法,是非常经典,优秀的算法.一般我们不知道用哪个分类算法的时候,首先用逻辑回归算法试一试:它不仅可以实现二分类算法,还可以解决多分类问题逻辑回归 ...
【数据挖掘算法分享】机器学习平台——回归算法之随机森林
随机森林回归算法是决策树回归的组合算法,将许多回归决策树组合到一起,以降低过拟合的风险.随机森林可以处理名词型特征,不需要进行特征缩放处理.随机森林并行训练许多决策树模型,对每个决策树的预测结果进行合 ...
基于机器学习逻辑回归算法完成癌症病人的肿瘤是否良性的判断
https://www.toutiao.com/a6630407688360575502/ 2018-12-04 22:46:48 逻辑回归算法虽然逻辑回归算法的名字中有回归二字,但是它却不是回归算 ...
机器学习——逻辑回归算法
文章目录逻辑回归算法逻辑回归概念 Sigmoid函数逻辑回归模型代价函数最终运用梯度下降求解实验总结逻辑回归算法首先明确一个概念,逻辑回归并不是解决回归问题,而是解决分类问题,它是通 ...
机器学习 Lasso回归算法
Lasso回归算法: 坐标轴下降法与最小角回归法小结前面的文章对线性回归做了一个小结,文章在这: 线性回归原理小结.里面对线程回归的正则化也做了一个初步的介绍.提到了线程回归的L2正则化-Ridge ...
【PySpark入门】手把手实现PySpark机器学习项目-回归算法
摘要 PySpark作为工业界常用于处理大数据以及分布式计算的工具,特别是在算法建模时起到了非常大的作用.PySpark如何建模呢?这篇文章手把手带你入门PySpark,提前感受工业界的建模过程! ...

机器学习实战-回归算法-18

回归算法-波士顿房价预测

回归算法-葡萄酒质量和时间关系

机器学习实战-回归算法-18相关推荐

最新文章

热门文章