机器学习入门之线性回归

线性回归
线性回归作为机器学习里面很基础的一部分也是很重要的一部分，我们看看百度词条的解释：（看上去很复杂，其实就是一元一次方程）

话不多说，我们开始做一个简单的练习

#一开始，我们先引入一个用来练习的数据集
import pandas as pd
data = pd.read_csv('generated_data.csv')

数据集很简单：
应该可以很轻松看出，x与y之间的关系是y=2x+5

#data赋值
x = data.loc[:,'x']#这里的意思是：把'x'那一列的所有行数据赋值给新的x
y = data.loc[:,'y']#同理
print(x,'\n',y)#结果如下

（这里注意左边一列为序号，右边为实际值）

#数据可视化
from matplotlib import pyplot as plt
plt.figure(figsize=(10,10))
plt.scatter(x,y)#绘制散点图
plt.show()

（我们给的数据很规律，所有目测基本在一条直线上）

建立线性回归模型

from sklearn.linear_model import LinearRegression
lr_model = LinearRegression()
lr_model.fit(x,y)
y_predict = lr_model.predict(x)
plt.figure()
plt.plot(y,y_predict)
plt.show()

以上我们可以很清晰的看出：我们训练出来的回归直线基本与原数据重合，也就是每个点到回归直线的距离之和最短。其中，coef_可以计算出斜率a，intercept_可以计算出截距b（也就是y=ax+b），最后是线性回归两个很重要的特征值：MSE均方误差以及R2方差（均方误差越小越好，方差约接近零越好）

掌握以上知识点，下面我们实战一下：线性回归预测房价

#导入数据集
import pandas as pd
import numpy as np
data = pd.read_csv('usa_housing_price.csv')
#数据可视化
%matplotlib inline
from matplotlib import pyplot as plt
fig = plt.figure(figsize=(10,10))
fig1 =plt.subplot(231)
plt.scatter(data.loc[:,'Avg. Area Income'],data.loc[:,'Price'])
plt.title('Price VS Income')
。。。部分省略。。。
plt.show()

我们先用单因子建立线性回归模型，看看结果如何？

#define X and y
X = data.loc[:,'size']
y = data.loc[:,'Price']
X = np.array(X).reshape(-1,1)#这里注意转化X的格式，-1为任意行，1为一列。（不转换训练的时候会报错）
#set up the linear regression model
from sklearn.linear_model import LinearRegression
LR1 = LinearRegression()
#train the model
LR1.fit(X,y)
y_predict_1 = LR1.predict(X)
fig6 = plt.figure(figsize=(8,5))
plt.scatter(X,y)
plt.plot(X,y_predict_1,'r')
plt.show()

在单因子的情况下，此时的数据是非常离散的，比如在size=200的情况下，房价最高可以去到20w，最低甚至到3w,所以只用一个条件预测房价，是不准确的。

多因子建立线性回归模型

#define X_multi
X_multi = data.drop(['Price'],axis=1)
#set up 2nd linear model
LR_multi = LinearRegression()
#train the model
LR_multi.fit(X_multi,y)
y_predict_multi = LR_multi.predict(X_multi)
fig7 = plt.figure(figsize=(8,5))
plt.scatter(y,y_predict_multi)#因为X_multi是多因子的，维度与y_predict_multi不用无法作图，所以我们用实际房价与预测房价作图
plt.show()

实际房价与预测房价基本在一条45°的线上，而且波动范围也在接受范围之内，模型建立成功！

#预测收入65000，房子年龄5年，5房间，人口密度30000，面积200平大概买多少钱
X_test = [65000,5,5,30000,200]
X_test = np.array(X_test).reshape(1,-1)
y_test_predict = LR_multi.predict(X_test)
print(y_test_predict)

结果是：[817052.19516298]，81.7万

最后总结
因为事物的复杂性，有时候我们不能通过一个条件进行分析，（总不能因为橘子难看就不吃吧，丑橘好吃的不得了！！！）第一次写博客，没啥经验也有很多疏漏的地方，欢迎各位在评论区指出哈，我个人也才学习机器学习一点浅薄的知识，希望有朝一日，能设计出钢铁侠里面的贾维斯AI，啊哈哈哈哈哈哈~