机器学习--第二讲--基础-优快云博客

本文介绍如何利用Python Scikit-Learn库进行线性回归分析，包括数据清洗、模型拟合、预测和误差评估等步骤。通过实践案例展示了如何通过马力度量汽车燃油效率。

2019独角兽企业重金招聘Python工程师标准>>>

1.有挑战的工作

在dataquest,我们无比坚信通过实战来学习，我们希望在各种任务中给你带来学习经验。当任务聚焦于概念时，一系列完整的结构问题的挑战让你通过强化训练去消化。你也可以了解更多关于强化训练的内容在 here 和 here。在许许多多的任务中一系列的挑战会比较相似，但是通过小小的说明资料和巨大的专项练习来消化。

在这些挑战中，我们强烈建议你在自己的电脑中进行编程。也就是dataquest之外的环境去练习。你也可以使用dataquest的交互界面写代码，并迅速运行你的代码，查看你是否写对了。默认情况下，点击 check code按钮运行你的代码，执行检查答案的功能。

如果你有问题，或者运行出错，直接去 Dataquest forums 或者我们的 Slack community

2.数据清洗

在这个挑战任务中，当我们尝试回答以下问题之前，我们需要建立在上一个任务的基础之上：

一辆汽车的燃料效率被它的什么性能怎样影响？

我们聚焦到上一个问题中，关于重量影响着燃料效率拟合的线性回归模型。在这个挑战任务中，我们将要探索马力怎样影响汽车的燃料效率，练习使用cikit-learn来拟合线性回归模型

与weight列horsepower列里丢失值不同的是。这些被?表示。为了让我们能够拟合模型，就把这些行给过虑掉。我们已经读取了cars Dataframe框架的auto-mpg.data数据。

练习：

移走所有在horsepower里包含?的列并且把horsepower列转化为浮点数。

把这个新的Dataframe赋值给 filtered_cars

import pandas as pd
columns = ["mpg", "cylinders", "displacement", "horsepower", "weight", "acceleration", "model year", "origin", "car name"]
cars = pd.read_table("auto-mpg.data", delim_whitespace=True, names=columns)
filtered_cars = cars[cars['horsepower'] != '?']
filtered_cars['horsepower'] = filtered_cars['horsepower'].astype('float')

3.数据的探究

现在我们的horsepower值已经被清理了，horsepower值和mpg值形成了一个视觉散点图。让我们跟weight值和 mpg值形成的散点图做对比。

按照垂直顺序，使用Dataframe框架绘制两个散点图

顶部的图，绘制一个 X轴为horsepower列，Y轴为mpg列的散点图

底部的图，绘制一个X轴为weight列，Y轴为mpg列的散点图。

%matplotlib inline
import matplotlib.pyplot as plt
filtered_cars.plot('horsepower', 'mpg', kind='scatter', c='red')
filtered_cars.plot('weight', 'mpg', kind='scatter', c='blue')
plt.show()

4.拟合一个模型‘

尽管两个X轴非常不同，但是直接比较又比较困难。似乎在汽车马力和燃料效率之间存在某种关系。让我们使用horsepower值拟合一个线性回顾模型来定量这两者之间的关系。

练习：

通过LinearRegresson创造一个新的实例，并赋值给lr

把horsepower列作为输入值，使用fit方法拟合一个线性回归模型

在训练数据（通过filtered_cars的horsepower列值）得出的模型中做一个预测，并把预测结果赋值给 predictions

显示predictions中的前5个值，及filtered_cars中的mpg的前5个值。

import sklearn
from sklearn.linear_model import LinearRegression
lr = LinearRegression()
lr.fit(filtered_cars[["horsepower"]], filtered_cars["mpg"])
predictions = lr.predict(filtered_cars[["horsepower"]])
print(predictions[0:5])
print(filtered_cars["mpg"][0:5].values)

5.绘制预测值

在上个任务中，我们绘制了预测值与实际值的散点图，通过视觉的方式来理解模型的有效性。让我们更好的预测重复练习一下。

练习

将两个散点图画在同一个表中：

其中之一：X轴是horsepower值，Y轴是预测的燃料效率值，使用蓝色绘制

另一个：X轴是horsepower值，Y轴是实际的燃料效率值，使用红色绘制。

plt.scatter(filtered_cars["horsepower"], filtered_cars["mpg"], c='red')
plt.scatter(filtered_cars["horsepower"], predictions, c='blue')
plt.show()