Machine Learning (1) - Linear Regression

Pandas 是学习 Machine Learning 的利器，这里假设你已经对 Pandas 基础 有所了解。

这一节主要以预测一个地区的房价为例，学习 ML 的模型之一 Linear Regression：

1. 引入需要用的包以及数据文件

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn import linear_model

df = pd.read_csv('/Users/rachel/Downloads/py-master/ML/1_linear_reg/homeprices.csv')
df

输出:

2. 训练 Linear Regression 模型

reg = linear_model.LinearRegression() // 初始化数据模型

// 训练这个模型，第一个参数是已知的数据，第二个参数是未来要预测的值
reg.fit(df[['area']], df.price) 

现在就可以用模型来预测值

reg.predict([[5000]])

输出:

array([859554.79452055])

这里大概介绍一下 Linear Regression 的建模公式:

y = m * x + b

m 和 b 就是模型的系数, 通过提供大量的 x 和 y 的值，来求出最佳的 m 和 b 的值，这也就是训练模型的过程。

m 被称作 Coefficients
b 被称作 Intercept
通过下面两个命令就可以查看 Linear Regression 模型的 m 和 b 的值:

reg.coef_  // m 的值
reg.intercept_  // b 的值

3. 输出图形数据:

%matplotlib inline
plt.xlabel('area(sqr ft)', fontsize=20) // x 轴
plt.ylabel('price(US$)', fontsize=20) // y 轴
plt.scatter(df.area, df.price, color='red', marker='+') // 以 “点” 输出已知数据
plt.plot(df.area, reg.predict(df[['area']]), color='blue') // 以 “线” 输出预测的数据，第二个参数是根据模型预测的值

上面这条线，就是我们最终得到的 Linear Regression 模型，得到这条线，我们就可以轻松预测任何尺寸的房价，也就相当于模型训练完成。

4. 应用模型

下面就用前面训练好的模型来快速预测房价：

先建一个新的 csv 文件，里面填充一些房子的面积值：

df_new = pd.read_csv('/Users/rachel/Sites/py-master/ML/1_linear_reg/areas.csv')
df_new.head()

输出（大家可以按照这个输出格式，随便建一个侧表来做测试）：

用训练好的模型 reg 做房价预测

p = reg.predict(df_new[['area']])
p

// 输出
array([ 316404.10958904,  384297.94520548,  492928.08219178,
        661304.79452055,  740061.64383562,  799808.21917808,
        926090.75342466,  650441.78082192,  825607.87671233,
        492928.08219178, 1402705.47945205, 1348390.4109589 ,
       1144708.90410959])

// 用预测出来的房价数据完善原表     
df_new['price'] = p
df_new

// 输出完善好的数据到 prediction.csv 文件
//至于这个文件生成在哪里, 还是去终端看下, 你此时的 jupyter notebook 运行在哪里
df_new.to_csv('prediction.csv', index = False)

输出：

今天开始第二次机器学习，对一些知识点有了更深入的了解，把之前的笔记完善一下。

本作品采用《CC 协议》，转载必须注明作者和本文链接