2409_88130060的博客

本次文章综合讲解了决策树，异常检测，数据降维等方法，三者综合起来对sklearn中iris数据集进行数据降维，验证异常点，并选出方差显著的第一二属性进行分类。最后代码可以完整演示。

图例的生成，聚类分析

上次博文我们分享的是单因子线性回归分析，本次我们继续探讨多因子线性回归分析。首先看一则数据截图：数据给出了不同年份的人均各类消费，我们现在以探讨食品消费和其他消费之间的关系，对数据进行预测。此处我们的初步思路是以2011年以前的数据为训练数据，2012年的数据为测试数据检验我们的模型优劣！

如果需要对新数据进行预测，则传递进新数据即可，如yy=lr_model.predict([[31]])，得到[[67.2463329]]，这个数据和我们当时构造数据的思路y=2*x+random()*10预测结果在合理范围。python语言为了研究机器学习专门发展起来一套框架，并且这个框架是开源的，它就是scikit-learn。它主要实现数据预处理，分类，回归，降维，模型选择等最常用的机器学习算法。得到的准确函数为 ：y= [[1.97294361]] x+ [4.96100185]

此时若要预测11月或者12月份的房价，此处我是简单模拟房价每月递增上个月的20%来模拟数据，当然这个关系用数学理论来求解是非常简单的，fangjia(yue)=1000*1.2^(yue-1)即可，这个就是一个简单的函数，可是现实中经常给出数据我们是不知道他们之间的函数关系的，该怎么处理。数学是来自于生活用于生活的一门学科，在机器学习中它最常用的一个用法就是分析数据预测结果，线性回归就是找到数据的线性关系并做出预测，假设某年房价1--10月份数据是。=ax+b，表示预测函数，但是a，b为位置。

人工智能已经成为时代不争的主流，对于它，我们除了拥抱还能做什么？AI--Artificial Intelligence人工智能，亦称机器智能！其核心是构建能够跟人类类似甚至更超卓的推理、知识、规划、学习、交流、感知、使用工具和操控机械的能力。