基於sklearn的波士頓房價預測_線性回歸學習筆記

> 　以下內容是我在學習https://blog.csdn.net/mingxiaod/article/details/85938251 教程時遇到不懂的問題自己查詢並理解的筆記，由於sklearn版本更迭改動了原作者的代碼，如有理解偏差歡迎指正。

　1. np.linspace　　

　　　　np.linspace(1,10) 在numpy中生成一個等差數列，可以加三個參數，np.linspace（1，10，10）在是兩個參數時默認生成五十個數字的等差數列，第一第二哥數字分別代表數列的開頭和結尾，如果是三哥參數，第三個參數代表等差數列的長度，既可以生成一個長度為10數字開頭為1結尾為10的等差數列（1，2，3，4，5，6，7，8，9，10）

　　2. plt.subplot(nrows, ncols, index, **kwargs)

　　　　plt.subploy(2,3,5)這個代碼的核心意思就是使用”整數來描述子圖的位置信息“，顧名思義就是在一個畫布中畫多個圖片，第一個參數nrows代表你把畫布分為多少行，ncols代表你把畫布分為多少列，index就更好理解了，它的意思就是接下來要畫的圖的索引位置，比如（2，3，5）他代表的意思就是把一張空白的畫布分為兩行，三列。六個位置區域，第三個索引參數一般就是從左上角開始到右下角依次編號（如下圖），我查閱資料的時候有的博主強行機器翻譯官方文檔，並注明第三個參數不能大於10,其實不然，官方的意思是index<= nrows*ncols，也就是索引數字不能大於已有的畫布分割數量。還有就是（2，3，5）與（235）效果等同，至於第三個參數**kwargs，作用是設置子圖類型，極點圖或線型圖。

 

 

 　　3.np.delete(x_data,abnormal_data,axis = 0)

　　　　第一個參數代表要處理的數據矩陣，第二個參數代表在什么位置處理（一般為一維數組），第三個參數 0 代表刪除所在列，1代表刪除所在行。

from sklearn import preprocessing
from sklearn.datasets import load_boston
from sklearn.metrics import r2_score
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
import matplotlib.pyplot as plt
import numpy as np

#數據初始化
dataset = load_boston()
x_data,y_data=load_boston(return_X_y = True) #導入數據，x_data為特征變量、y_data為目標值
print("--------------'''獲取自變量數據的形狀'''--------------")
print(x_data.shape)
print(y_data.shape)
name_data = dataset.feature_names #導入特證名

#數據可視化
for i in range(len(name_data)):
    plt.scatter(x_data[:,i],y_data,s = 20,marker = '<',c = 'r')
    plt.title(name_data[i])
    plt.show()
#處理異常數據
abnormal_data = []
for i in range(len(y_data)):
    if y_data[i] == 50:
        abnormal_data.append(i)#存儲異常值的下標；
x_data = np.delete(x_data,abnormal_data,axis = 0)#刪除值為y值為50的特征變量所在行
y_data = np.delete(y_data,abnormal_data,axis = 0)#刪除值為y值為50的特征值所在行
print("------檢測-------")
print(x_data.shape)
print(y_data.shape)

abnormal_title = []
for i in range(len(name_data)):
    if name_data[i] == 'RM' or name_data[i] =='PTRATIO'or name_data[i] == 'LSTAT':
        continue
    else:
        abnormal_title.append(i)#存儲不相關數據特證名下標
x_data = np.delete(x_data,abnormal_title,axis = 1)#刪除不相關數據所在列
print("--------------'''輸出有效數據形狀'''--------------")
print(x_data.shape)
print(y_data.shape)

#數據分割
x_train,x_test = train_test_split(x_data,test_size=0.2,random_state=0)
y_train,y_test = train_test_split(y_data,test_size=0.2,random_state=0)
print("--------------'''輸出實驗數據長度'''--------------")
print(len(x_train))
print(len(x_test))
print(len(y_train))
print(len(y_test))

#數據歸一化(無量綱化處理β=(x-min(x))/max(x)-min(x),將數據歸集到0~1之間)
min_max_scaler = preprocessing.MinMaxScaler()
x_test = min_max_scaler.fit_transform(x_test)
x_train = min_max_scaler.fit_transform(x_train)
y_train = min_max_scaler.fit_transform(y_train.reshape(-1,1))
y_test = min_max_scaler.fit_transform(y_test.reshape(-1,1))#轉化為一列行自動確認
#模型訓練和評估
lr = LinearRegression()
lr.fit(x_train,y_train)
lr_y_predict = lr.predict(x_test)
#使用r2_score預測樣本
score = r2_score(y_test, lr_y_predict)
print("樣本預測得分：{}".format(score))

輸出結果：

--------------'''獲取自變量數據的形狀'''--------------
(506, 13)
(506,)
------檢測-------
(490, 13)
(490,)
--------------'''輸出有效數據形狀'''--------------
(490, 3)
(490,)
--------------'''輸出實驗數據長度'''--------------
392
98
392
98
樣本預測得分：0.7091901425426