人工智能讲师专家老师叶梓人工智能讲师之机器学习与深度学习-34

接上一篇，系列博文:人工智能讲师叶梓关于人机器学习与深度学习入门课程课件，为系列博文，更多课程，及老师资料可点击 个人主页

 

最小二乘法的示意图

 

R语言实现的一元线性回归

一元回归的PYTHON实现

•IMPORT PANDAS AS PD

•from ioimport StringIO

•from sklearnimport linear_model

•import matplotlib.pyplot as plt

•

•# 房屋面积与价格历史数据(csv文件)

•csv_data = 'square_feet,price\n150,6450\n200,7450\n250,8450\n300,9450\n350,11450\n400,15450\n600,18450\n'

•

•# 读入dataframe

•df = pd.read_csv(StringIO(csv_data))

•print(df)

•

•# 建立线性回归模型

•regr = linear_model.LinearRegression()

•

•# 拟合

•regr.fit(df['square_feet'].reshape(-1, 1), df['price'])

•# 注意此处.reshape(-1, 1)，因为X是一维的！

•# 不难得到直线的斜率、截距

a, b = regr.coef_, regr.intercept_

 

# 给出待预测面积

area = 238.5

 

# 方式1：根据直线方程计算的价格

print(a * area + b)

# 方式2：根据predict方法预测的价格

print(regr.predict(area))

 

# 画图

# 1.真实的点

plt.scatter(df['square_feet'], df['price'], color='blue')

 

# 2.拟合的直线

plt.plot(df['square_feet'], regr.predict(df['square_feet'].reshape(-1,1)), color='red', linewidth=4)

 

plt.show()

 

接下一篇，系列博文:人工智能讲师叶梓关于人机器学习与深度学习入门课程课件，为系列博文，更多课程，及老师资料可点击 个人主页