基于python的留一法+多元线性回归2021-05-13

最新推荐文章于 2021-12-18 12:19:14 发布

原创

最新推荐文章于 2021-12-18 12:19:14 发布 · 683 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#python #机器学习

本文介绍了一位新手使用Python进行多元线性回归的实践过程，选取性别和体重作为特征预测性别。通过留一法（LOO）划分数据集，实现了预测模型。

用python进行简单的多元线性回归预测，这里是用性别、体重两个特征预测性别。新手，仅记录，欢迎指导。

划分数据集用的LOO，直接导的包做的。

import pandas as pd    #  导入Python的数据处理库pandas,相当于Python里的excel
import numpy as np    # 导入Python的数据处理库numpy
data = pd.read_csv('biyelunwen.csv',encoding='gbk')

# 把data转成一个个的数组,不做这一步直接输data[:,0:2]，就会报错
A=np.array(data)
X=A[:,0:2]
y=A[:,2]

# 导入线性回归、LOO模块
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import LeaveOneOut
loo=LeaveOneOut()
lin_reg=LinearRegression()


# loo交叉验证法循环
right=0
for train,test in loo.split(data):
    X_train,X_test=X[train],X[test]
    y_train,y_test=y[train],y[test]
    # 训练和预测
    lin_reg.fit(X_train,y_train)    
    y_test_pred=lin_reg.predict(X_test)
    
    if y_test_pred >0.5:
        y_test_pred=1
    else:
        y_test_pred=0
        
    if y_test_pred==y_test:
        right=right+1
    else:
        right=right+0

acc=right/X.shape[0]
print('准确率={:.2f}%'.format(acc*100))
    
# 显示斜率
w = lin_reg