编写不易，转载请注明（ http://shihlei.iteye.com/blog/2386498）！
一 概述
基于python 从零开始，完成环境搭建，训练模型，预测房价。
环境：
1）运行环境
Miniconda3：包管理器
python ：3.6
2）lib：
jupyter：python 开发环境，deme 主要的集成开发环境
numpy：科学计算库，用于高性能矩阵计算，（暂未使用）
patplotlib：2D绘图库，demo 中绘图，方便查看模型近似
pandas: 数据分析库，demo 中用于检测操作训练数据，未进行各种数值统计
scikit-learn: 机器学习库，demo 进行模型训练
其他：
默认大家了解机器学习的本质，什么是回归。
二 环境搭建
1） Miniconda3
（a） 安装
Miniconda3 是类似于pip，easy_install, 是 anaconda 的简化版，一般都是装anaconda ，不想装无用的lib，所以选择Miniconda ；
网站： https://conda.io/miniconda.html，我mac 环境，下载个shell ，bash即可，都是下一步，下一步
装完，家目录下存在 miniconda3 目录
Do you approve the license terms? [yes|no] >>> yes Miniconda3 will now be installed into this location: /Users/xxx/miniconda3 - Press ENTER to confirm the location - Press CTRL-C to abort the installation - Or specify a different location below [/Users/xxx/miniconda3] >>> PREFIX=/Users/xxx/miniconda3 installing: python-3.6.1-2 ... installing: asn1crypto-0.22.0-py36_0 ... installing: cffi-1.10.0-py36_0 ... installing: conda-env-2.6.0-0 ... installing: cryptography-1.8.1-py36_0 ... installing: idna-2.5-py36_0 ... installing: openssl-1.0.2l-0 ... installing: packaging-16.8-py36_0 ... installing: pycosat-0.6.2-py36_0 ... installing: pycparser-2.17-py36_0 ... installing: pyopenssl-17.0.0-py36_0 ... installing: pyparsing-2.1.4-py36_0 ... installing: readline-6.2-2 ... installing: requests-2.14.2-py36_0 ... installing: ruamel_yaml-0.11.14-py36_1 ... installing: setuptools-27.2.0-py36_0 ... installing: six-1.10.0-py36_0 ... installing: sqlite-3.13.0-0 ... installing: tk-8.5.18-0 ... installing: xz-5.2.2-1 ... installing: yaml-0.1.6-0 ... installing: zlib-1.2.8-3 ... installing: conda-4.3.21-py36_0 ... installing: pip-9.0.1-py36_1 ... installing: wheel-0.29.0-py36_0 ... Python 3.6.1 :: Continuum Analytics, Inc. creating default environment... installation finished. Do you wish the installer to prepend the Miniconda3 install location to PATH in your /Users/xxx/.bash_profile ? [yes|no] [yes] >>> Prepending PATH=/Users/xxx/miniconda3/bin to PATH in /Users/xxx/.bash_profile A backup will be made to: /Users/xxx/.bash_profile-miniconda3.bak For this change to become active, you have to open a new terminal. Thank you for installing Miniconda3! Share your notebooks and packages on Anaconda Cloud! Sign up for free: https://anaconda.org
（b）使用
# 更新 conda update conda # 搜索软件 conda search -n python36 xxx # 查看某个环境已经安装的软件 conda list -n python36 xxx
2）安装python 环境
# 创建pyton36环境，版本3.6 ， conda 自动寻找最新的3.6.x conda create --name pytho36 python=3.6 # 激活某个环境，其实就是path 换一下指向的版本 source activate python36
注：
（1）使用 conda 可以很方便的安装多个版本的python，和各个python 版本切换。我Python 2.7，3.6都装了
（2）删除python 环境：conda remove --name python36 --all
2）安装依赖lib
conda install -n python36 jupyter conda install -n python36 matplotlib conda install -n python36 numpy conda install -n python36 pandas conda install -n python36 scikit-learn
三 开发工具
使用web 版的jupyter 进行开发，
1） 启动方式：
jupyter notebook --port 8888
2）使用
（1）新建编辑器
（2）编写脚本
3）其他
notebook的两种模式：
（a）命令模式 (按键 Esc 开启)
L : 调出行号
（b） 编辑模式 ( Enter 键启动)
Tab : 代码补全或缩进
Ctrl-Enter : 运行本单元
四 试试各个lib
1）matplotlib 画图
import numpy as np import matplotlib.pyplot as plt x = [1,2,3,4,5,6,7] y = np.sin(x) print(y) # 设置执行x的值和y的值 plt.plot(x,y) # 打印x，y 的曲线 plt.show()
2）pandas
import numpy as np
import pandas as pd
#随机一个3x4 矩阵
table = np.random.randn(3,4)
print('table: ',table)
#设置title
title = ['a','b','c','d']
#构建pandas DataFrame
df = pd.DataFrame(table,columns=title)
print(df)
#试验把矩阵转置
tdf = df.T
print(tdf)
五 机器学习代码
import pandas as pd
import matplotlib.pyplot as plt
import sklearn.linear_model
#测试数据集，一个房屋大小，一个价格，随便写的
room_size_price_data = [[100,200],[105,211],[200,300],[111,250]]
room_df = pd.DataFrame(room_size_price_data,columns=['size','price'])
size_data = room_df.loc[:,['size']].values
price_data = room_df['price'].values
# 打印训练集数据
print(room_df)
# 训练模型，注意：size_data必须是二维数组，因为特征向量也是数组，一维数组这里会出错误
regr = linear_model.LinearRegression()
regr.fit(size_data,price_data)
# 查看对比图
plt.xlabel('Size')
plt.ylabel('Price')
plt.title('linear regression plot!')
plt.scatter(size_data,price_data,color='blue')
plt.plot(size_data,regr.predict(size_data),color="green")
plt.show()
# 预测
need_predict_size=[400,500]
for size in need_predict_size:
predict_price = regr.predict(size)
print("size: %d, price : %d" % (size,predict_price))
结果：
