2021大三机器学习课程手杖第二杖—简单线性回归预测pizza价格问题

大家好，这里是X，新的一周开始了，机器学习课程也同样开始了🎍紧跟步伐噢🐱‍🏍🐱‍🏍🐱‍🏍

简单线性回归

🥐任务描述：
假设现在有一家披萨店🍕🍕🍕，披萨店的价格单为：

直径（单位：英寸）	价格
6	7
8	9
10	13
14	17.5
18	18

2.1

shape方法和reshape方法
shape方法的意思就是解析出是几维，例如：

可以看到两个数据，说明这是一个二维的数组
reshape就是在不改变原数据的情况下，去改变数组的“数组”，或者可以说是维度，比如：

可以看到变成了三个数字，那么就说明这是一个三维数组😉

假如现在想建一个二维表，错误示范：

不是说直接创建x、y的值列出来就行的，在sklearn中，我们会让x定义为一个多维的数组（我感觉就是让x定义好这整个图的形状），假设这里就让x为二维数组，那么y就是一个简单的一维数组就行了：（哪怕只有一个数，x也要写成每个元素都是数组的形式！）

这里的reshape(-1,1)的-1的意思就是让系统自己去识别到底有几行的意思，列的话就是1

这是打印出来的结果

2.2

from sklearn.linear_model import LinearRegression ##导入
model = LinearRegression()  ##建立方法模型，model可自命名
model.fit(x, y)#“fit”就是让机器去拟合、学习的过程👩‍🍳输入规定好的x和y

经过上面的代码，机器的模型就建好了

系统构建的线性模型，有自己的限制，只能尽自己最大的努力，那到底这个拟合的结果好不好呢，可以用MSE(损失函数)去检测一下：

这个是代价函数，也就是我们所说的损失函数，它用于定义和衡量一个模型的误差，这个代价函数的极小值可以作为找出模型的参考值结果，总体上来说拟合的还不错💛，下面就可以输入任意的值去看看其他尺寸的pizza的价格啦🧡

可以看到其实很多的数据都已经尽可能地去接近原始地数据了，还是很棒棒的💕