线性回归同时绘图

# -*- coding: utf-8 -*-

"""
任务：房屋价格预测
绘制线性回归图片
"""
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt

DATA_FILE = './data_ai/house_data.csv'

# 使用的特征列
FEAT_COLS = ['bedrooms', 'bathrooms', 'sqft_living', 'sqft_lot', 'sqft_above', 'sqft_basement']


def plot_fitting_line(linear_reg_model, X, y, feat):
    """
        绘制线型回归线
    """
    w = linear_reg_model.coef_
    b = linear_reg_model.intercept_

    plt.figure()   #打开一个空画布
    # 样本点
    plt.scatter(X, y, alpha=0.5)  #  scatter:散点图,alpha:"透明度"
    # 直线
    plt.plot(X, w * X + b, c='red')
    plt.title(feat)  #  设置标题
    plt.show()


def main():

    house_data = pd.read_csv(DATA_FILE, usecols=FEAT_COLS + ['price'])
    for feat in FEAT_COLS:
        X = house_data[feat].values.reshape(-1, 1)
        y = house_data['price'].values

        X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=1/3, random_state=10)
        linear_reg_model = LinearRegression()
        linear_reg_model.fit(X_train, y_train)
        r2_score = linear_reg_model.score(X_test, y_test)
        print('特征：{}，R2值：{}'.format(feat, r2_score))

        # 绘制拟合直线
        plot_fitting_line(linear_reg_model, X_train, y_train, feat)

if __name__ == '__main__':
    main()

结果

达到的效果大概就是这样了:

学习

1. 这能算是数据分析的启蒙么?哈哈
2. reshape（-1，1） 把行变成列向量→X = house_data[feat].values.reshape(-1, 1)
3. coef_ : 权重
   intercept_: 偏置
   回归线：y= x*coef_ + intercept_

注意这里：
w = linear_reg_model.coef_

b = linear_reg_model.intercept_
是直接用的model
5. 一个编程的思路：如果有需要，你先在main里面吧一个函数写出来（）里面带上你需要的参数 ，然后后面再到上面去把函数写出来。
比如这次,在下面main里面写着,就想绘图了,然后先把
# 绘制拟合直线
plot_fitting_line(linear_reg_model, X_train, y_train, feat)
写出来,然后再回到上面写函数.