数据分析之sklearn

一，介绍

Python 中的机器学习库

• 简单高效的数据挖掘和数据分析工具
• 可供大家使用，可在各种环境中重复使用
• 建立在 NumPy，SciPy 和 matplotlib 上
• 开放源码，可商业使用 - BSD license

二，线性回归算法模型

2个概念

样本集：用于对机器学习算法模型对象进行训练。样本集通常为一个DataFrame。

- 特征数据：特征数据的变化会影响目标数据的变化。必须为多列。
- 目标数据：结果。通常为一列

1，建立线性回归算法模型对象

from sklearn.linear_model import LinearRegression
linear = LinearRegression()  # 实例化 线性回归算法模型对象

2，使用样本数据对模型进行训练

数据：
near_citys_dist： array([47,  8, 71, 14, 37], dtype=int64)  # 城市距离海边的最远距离
near_citys_max_temp： array([32.75, 32.79, 33.85, 32.81, 32.74])  # 城市的最高温度
# 使用这两组数据预测 城市温度与距离海边距离的关系
linear.fit(near_citys_dist.reshape(-1,1),near_citys_max_temp)  # 注意特征数据必须时多列，所以把array转化为多列的

返回值：  LinearRegression(copy_X=True, fit_intercept=True, n_jobs=1, normalize=False)

3，对模型进行精准度的评分

linear.score(near_citys_dist.reshape(-1,1),near_citys_max_temp)

# 0.5549063263099332

4，使用模型进行预测

x = np.array([65,44,12,99]).reshape(-1,1)  # 给定一组特征数据
y = linear.predict(x)   # 预测其值
# array([ 33.40442982,  33.10898974,  32.65879535,  33.88276137])

#绘制回归曲线
x = np.linspace(0,100,num=100)  # 给定一组特征数据
y = linear.predict(x.reshape(-1,1))  # 预测其值

plt.figure(figsize=(7,7))
plt.scatter(citys_dist,citys_max_temp)
plt.scatter(x,y)
plt.title('温度和距海洋距离关系')
plt.xlabel('距离')
plt.ylabel('温度')