機(jī)器學(xué)習(xí)可應(yīng)用在各個(gè)方面，本篇將在系統(tǒng)性進(jìn)入機(jī)器學(xué)習(xí)方向前，初步認(rèn)識(shí)機(jī)器學(xué)習(xí)，利用線性回歸預(yù)測(cè)波士頓房?jī)r(jià)；

原理簡(jiǎn)介

利用線性回歸最簡(jiǎn)單的形式預(yù)測(cè)房?jī)r(jià)，只需要把它當(dāng)做是一次線性函數(shù)y=kx+b即可。我要做的就是利用已有數(shù)據(jù)，去學(xué)習(xí)得到這條直線，有了這條直線，則對(duì)于某個(gè)特征x（比如住宅平均房間數(shù)）的任意取值，都可以找到直線上對(duì)應(yīng)的房?jī)r(jià)y，也就是模型的預(yù)測(cè)值。
從上面的問(wèn)題看出，這應(yīng)該是一個(gè)有監(jiān)督學(xué)習(xí)中的回歸問(wèn)題，待學(xué)習(xí)的參數(shù)為實(shí)數(shù)k和實(shí)數(shù)b（因?yàn)榫椭挥幸粋€(gè)特征x），從樣本集合sample中取出一對(duì)數(shù)據(jù)(xi,yi)，xi​代入kx+b得到輸出y^i，MSE可以衡量預(yù)測(cè)輸出與樣本標(biāo)注的接近程度，所以把MSE作為這個(gè)問(wèn)題的損失函數(shù)，對(duì)于共m mm個(gè)樣本的集合，損失函數(shù)計(jì)算為：J(k,b)=1i=1∑m(yi−yi)2

一般需要遍歷數(shù)據(jù)集迭代多次，才能得到一個(gè)較好的結(jié)果

波士頓房?jī)r(jià)數(shù)據(jù)集

房?jī)r(jià)預(yù)測(cè)的實(shí)現(xiàn)將基于sklearn（scikit-learn），sklearn中有多種數(shù)據(jù)集：

• 自帶的小數(shù)據(jù)集（packaged dataset）：sklearn.datasets.load_<name>
• 可在線下載的數(shù)據(jù)集（Downloaded Dataset）：sklearn.datasets.fetch_<name>
• 自定義生成的數(shù)據(jù)集（Generated Dataset）：sklearn.datasets.make_<name>

首先從sklearn的數(shù)據(jù)集獲取內(nèi)置數(shù)據(jù)集中的即波士頓房?jī)r(jià)數(shù)據(jù)：

from sklearn.datasets import load_boston

導(dǎo)入其他功能包和模塊，導(dǎo)入線性回歸模型：

# 使用sklearn 中的 train_test_split 劃分?jǐn)?shù)據(jù)集
from sklearn.model_selection import train_test_split
# 使用 sklearn 中的線性回歸模型進(jìn)行預(yù)測(cè)
from sklearn.linear_model import LinearRegression
# 使用 matplotlib 中的 pyplot 進(jìn)行可視化
import matplotlib.pyplot as plt

加載數(shù)據(jù)集：

# 加載波士頓房?jī)r(jià)數(shù)據(jù)集，返回特征X和標(biāo)簽y
X, y = load_boston(return_X_y=True)
X.shape # (506, 13)
y.shape # (506,)

取出一個(gè)特征作為x：

# 只取第6列特征（方便可視化）：住宅平均房間數(shù)
# 注意切片區(qū)間左閉右開(kāi)
X = X[:,5:6]

劃分為訓(xùn)練集和測(cè)試集，測(cè)試集取20%：

X_train, X_test, y_train, y_test = train_test_split(X,y,test_size=0.2, random_state=2020)

使用到sklearn.model_selection.train_test_split，函數(shù)形式為：

train_test_split(train_data, train_target, test_size, random_state，shuffle)

• test_size：浮點(diǎn)數(shù)，在0 ~ 1之間，表示測(cè)試樣本占比
• random_state：隨機(jī)種子，種子不同，每次調(diào)用時(shí)采樣的樣本不同；種子相同，每次調(diào)用時(shí)采樣一致
• shuffle = True，打亂樣本數(shù)據(jù)的順序

嚴(yán)格來(lái)說(shuō)，對(duì)于有監(jiān)督學(xué)習(xí)的數(shù)據(jù)集應(yīng)分為訓(xùn)練集，驗(yàn)證集，測(cè)試集；訓(xùn)練集和驗(yàn)證集有標(biāo)注，測(cè)試集沒(méi)有標(biāo)注，泛化能力在驗(yàn)證集上進(jìn)行檢驗(yàn)

劃分后的訓(xùn)練數(shù)據(jù)：

X_train.shape # (404, 1)
y_train.shape # (404,)

建立線性回歸模型

在sklearn下，機(jī)器學(xué)習(xí)建模非常方便：

1. 實(shí)例化模型，輸入合適的超參數(shù)會(huì)使模型性能提升
2. 輸入數(shù)據(jù)訓(xùn)練
3. 驗(yàn)證模型

建立線性回歸模型如下：

# 創(chuàng)建線性回歸對(duì)象
regr = LinearRegression()
# 使用訓(xùn)練集訓(xùn)練模型
regr.fit(X_train, y_train)
# 在測(cè)試集上進(jìn)行預(yù)測(cè)
y_pred = regr.predict(X_test)

注意到模型直到接收到訓(xùn)練數(shù)據(jù)，才最終確定具體形式，比如發(fā)現(xiàn)輸入數(shù)據(jù)是(404,1)，才確定線性回歸形式為kx+b，而不是kx+cx+b

# 畫(huà)測(cè)試數(shù)據(jù)散點(diǎn)圖
plt.scatter(X_test, y_test,  color='blue')
# 畫(huà)線性回歸模型對(duì)測(cè)試數(shù)據(jù)的擬合曲線
plt.plot(X_test, y_pred, color='red')
# 顯示繪圖結(jié)果
plt.show()

打印模型參數(shù)有（注意區(qū)分參數(shù)和超參數(shù)）：

# 打印斜率和截距
print('斜率：{}, 截距：{}'.format(regr.coef_,regr.intercept_))

結(jié)果為：

 斜率：[9.11163398], 截距：-34.47557789280662

到此這篇關(guān)于初試機(jī)器學(xué)習(xí)的文章就介紹到這了,更多相關(guān)初識(shí)機(jī)器學(xué)習(xí)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持腳本之家！