機器學習之linear_model (線性回歸算法模型)

1.matplotlib

首先看一下這個靜態圖繪制模塊

• 靜態圖形處理

• 數據分析三劍客

  • Numpy : 主要為了給pandas提供數據源
  • pandas : 更重要的數據結構
  • matplotlib : 靜態圖形處理

海濱城市溫度分析案例

1. 導包

   # 導包
   import numpy as np
   import pandas as pd
   from pandas import Series,DataFrame
   
   import matplotlib.pyplot as plt
   
   from pylab import mpl
   mpl.rcParams['font.sans-serif'] = ['FangSong'] # 指定默認字體
   mpl.rcParams['axes.unicode_minus'] = False # 解決保存圖像是負號'-'顯示為方塊的問題
   

2. 導入數據(各個海濱城的數據)

   # 導入數據(各個海濱城市數據)
   
   ferrara1 = pd.read_csv('./ferrara_150715.csv')
   ferrara2 = pd.read_csv('./ferrara_250715.csv')
   ferrara3 = pd.read_csv('./ferrara_270615.csv')
   ferrara=pd.concat([ferrara1,ferrara1,ferrara1],ignore_index=True)
   
   torino1 = pd.read_csv('./torino_150715.csv')
   torino2 = pd.read_csv('./torino_250715.csv')
   torino3 = pd.read_csv('./torino_270615.csv')
   torino = pd.concat([torino1,torino2,torino3],ignore_index=True) 
   ...
   

3. 去除沒用的列

   city_list = [faenza,cesena,piacenza,bologna,asti,ravenna,milano,mantova,torino,ferrara]
   for city in city_list:
       city.drop(labels='Unnamed: 0',axis=1,inplace=True)
   

4. 構造數據,顯示最高溫度與離海遠近的關系

   max_temp = []   
   dist_list = []
   for city in city_list:
       temp = city["temp"].max()
       max_temp.append(temp)
       dist = city['dist'][0]
       dist_list.append(dist)
       
   plt.scatter(dist_list,max_temp)   # 傳入兩個列表
   plt.xlabel("距離")  # x
   plt.xlabel("最高溫度") # y
   plt.title("最高溫度和距離之間的關系") # 標題
   

2.創建算法模型

2.1 線性回歸算法模型

• 多用於預測

• sklearn.linear_model

  • 創建一個溫度模型,讓其可以根據一個距離預測出該距離對應城市的最高溫度.

  #樣本數據的提取
  feature = np.array(dist_list) # 數組形式的特征數據
  target = np.array(max_temp) # 數組形式的目標數據
  
  # 線性回歸算法模型 y = ax + b  --> 通過訓練求出最匹配的a和b
  from sklearn.linear_model import LinearRegression
  linear = LinearRegression()  # 實例化算法模型
  # 訓練模型
  linear.fit(feature.reshape(-1,1),target) # 特征數據必須是二維的 !!!
  # 基於訓練好的模型對象實現預測功能
  linear.predict([[226],[333]])
  

  • 繪制關系圖

    # 使用多個點繪制最高溫度和距離之間的關系
    x = np.linspace(0,400,num=100)
    y = linear.predict(x.reshape(-1,1))
    plt.scatter(dist_list,max_temp)
    plt.scatter(x,y)
    plt.xlabel('距離')
    plt.ylabel('最高溫度')
    plt.title('最高溫度和距離直接的關系')