當(dāng)我們?cè)谛W(xué)學(xué)習(xí)直線的時(shí)候，我們已經(jīng)知道y = ax + b （a<>0）就是表達(dá)直線的方程式。在sklearn中的linear_model里的LinearRegresstion，就是我們本次需要需要調(diào)用的主角——線性回歸模型。
涉及底層數(shù)學(xué)的我就不在這進(jìn)行闡述，只簡(jiǎn)單說(shuō)，模型利用最小二乘法，讓所有已知點(diǎn)到這條直線的距離的平方和最小，這條直線就是我們利用這個(gè)模型可以拿到的結(jié)果。它最大程度上擬合了我們的已知點(diǎn)，也能讓我們對(duì)未知點(diǎn)進(jìn)行基礎(chǔ)預(yù)測(cè)。
首先，我們需要讀入數(shù)據(jù)，我這邊是一個(gè)txt文檔，內(nèi)含兩列數(shù)據(jù)。
回憶一下，我們讀取文本文檔的三種常規(guī)方式，分別是python自帶函數(shù)讀取、numpy函數(shù)讀取、pandas函數(shù)讀取。我們需要認(rèn)識(shí)到，后續(xù)在sklearn模型中擬合的x和y變量，必須是一列數(shù)據(jù)的形式，用shape的方式來(lái)說(shuō)，就是[-1,1]，意思是隨便多少行，但必須是一列哦。
讀取方式一
python自帶函數(shù)讀取，我們就會(huì)想到readlines，可以一次性把所有內(nèi)容讀取出來(lái)，且一行記錄就是列表的一個(gè)元素。
我們發(fā)現(xiàn)數(shù)據(jù)存在一個(gè)列表中，其中tab鍵和回車(chē)鍵被具象成了\t和\n。我們需要依據(jù)這兩個(gè)符號(hào)，對(duì)數(shù)據(jù)進(jìn)行切割。
re模塊的split函數(shù)進(jìn)行分割非常好用，我們先寫(xiě)入分割模式，遇到\t或者\(yùn)n的時(shí)候，就對(duì)數(shù)據(jù)進(jìn)行分割。需要注意的是，re.split無(wú)法對(duì)整個(gè)列表進(jìn)行一次性分割，這是python自帶庫(kù)函數(shù)的通常表現(xiàn)。所以我們需要利用循環(huán)，對(duì)列表內(nèi)的元素進(jìn)行逐個(gè)分割。
接下來(lái)，就是賦值啦。我們利用列表的屬性，進(jìn)行追加賦值。
但我們發(fā)現(xiàn)得到的是一行數(shù)據(jù)，可是在模型中我們需要使用的是一列數(shù)據(jù)，所以需要進(jìn)行數(shù)據(jù)整形。利用numpy中的reshape函數(shù)是一個(gè)不錯(cuò)的選擇。不過(guò)首先是利用array函數(shù)將列表變成numpy數(shù)組。
完成啦。
讀取方式二
numpy庫(kù)中的loadtxt函數(shù)是不錯(cuò)的選擇哦。
通過(guò)切片的方式取到x和y。
讀取方式三
針對(duì)我們的txt呈現(xiàn)出來(lái)的內(nèi)容，pandas庫(kù)里read_table，利用tab鍵進(jìn)行分列，是比較合適的選擇。
以上就是三種讀取txt文件的方式啦。
下面就讓我們先利用散點(diǎn)圖看看這些數(shù)據(jù)的分布情況吧。
是很明顯的線性回歸的數(shù)據(jù)點(diǎn)分布哦。下面就需要調(diào)用sklearn里的線性回歸包啦。
y = ax + b就是我們本次產(chǎn)出的模型解釋啦。另外R^2是模型的解釋度，意思是有78%的數(shù)據(jù)可以用我們的這個(gè)線性回歸模型可以解釋。這里我們只有一個(gè)自變量，不需要涉及調(diào)整R方，后續(xù)可以安排。
我們把我們的預(yù)測(cè)模型的擬合線和實(shí)際數(shù)據(jù)點(diǎn)一起展示。這里再?gòu)?qiáng)調(diào)一下最小二乘法：黑色實(shí)際點(diǎn)到紅色擬合線的距離平方和最小的時(shí)候，得到這條紅色線。
