頭歌機(jī)器學(xué)習(xí)實訓(xùn)代碼、答案，如果能夠幫到您，希望可以點個贊！！！?

如果有問題可以csdn私聊或評論！！！感謝您的支持

目錄

第1關(guān)：簡單線性回歸與多元線性回歸

第2關(guān)：線性回歸的正規(guī)方程解?

第3關(guān)：衡量線性回歸的性能指標(biāo)?

第4關(guān)：scikit-learn線性回歸實踐 - 波斯頓房價預(yù)測?

---

第1關(guān)：簡單線性回歸與多元線性回歸

• 1、下面屬于多元線性回歸的是？（ BC ）

  A、求得正方形面積與對角線之間的關(guān)系。
  B、建立股票價格與成交量、換手率等因素之間的線性關(guān)系。
  C、建立西瓜價格與西瓜大小、西瓜產(chǎn)地、甜度等因素之間的線性關(guān)系。
  D、建立西瓜書銷量與時間之間的線性關(guān)系。

• 2、若線性回歸方程得到多個解，下面哪些方法能夠解決此問題？（ ABC ）

  A、獲取更多的訓(xùn)練樣本
  B、選取樣本有效的特征，使樣本數(shù)量大于特征數(shù)
  C、加入正則化項
  D、不考慮偏置項b

• 3、下列關(guān)于線性回歸分析中的殘差（預(yù)測值減去真實值）說法正確的是？( A )

  A、殘差均值總是為零
  B、殘差均值總是小于零
  C、殘差均值總是大于零
  D、以上說法都不對

第2關(guān)：線性回歸的正規(guī)方程解?

#encoding=utf8 
import numpy as np
def mse_score(y_predict,y_test):'''input:y_predict(ndarray):預(yù)測值y_test(ndarray):真實值ouput:mse(float):mse損失函數(shù)值'''#********* Begin *********#mse = np.mean((y_predict-y_test)/2)#********* End *********#return mse
class LinearRegression :def __init__(self):'''初始化線性回歸模型'''self.theta = Nonedef fit_normal(self,train_data,train_label):'''input:train_data(ndarray):訓(xùn)練樣本train_label(ndarray):訓(xùn)練標(biāo)簽'''#********* Begin *********#x = np.hstack([np.ones((len(train_data),1)),train_data])self.theta =np.linalg.inv(x.T.dot(x)).dot(x.T).dot(train_label)#********* End *********#return self.thetadef predict(self,test_data):'''input:test_data(ndarray):測試樣本'''#********* Begin *********#x = np.hstack([np.ones((len(test_data),1)),test_data])return x.dot(self.theta)#********* End *********#

第3關(guān)：衡量線性回歸的性能指標(biāo)?

#encoding=utf8 
import numpy as np
#mse
def mse_score(y_predict,y_test):mse = np.mean((y_predict-y_test)**2)return mse
#r2
def r2_score(y_predict,y_test):'''input:y_predict(ndarray):預(yù)測值y_test(ndarray):真實值output:r2(float):r2值'''#********* Begin *********#r2 = 1 - mse_score(y_predict,y_test)/np.var(y_test)#********* End *********#return r2
class LinearRegression :def __init__(self):'''初始化線性回歸模型'''self.theta = Nonedef fit_normal(self,train_data,train_label):'''input:train_data(ndarray):訓(xùn)練樣本train_label(ndarray):訓(xùn)練標(biāo)簽'''#********* Begin *********#x = np.hstack([np.ones((len(train_data),1)),train_data])self.theta =np.linalg.inv(x.T.dot(x)).dot(x.T).dot(train_label)#********* End *********#return selfdef predict(self,test_data):'''input:test_data(ndarray):測試樣本'''#********* Begin *********#x = np.hstack([np.ones((len(test_data),1)),test_data])return x.dot(self.theta)#********* End *********#

第4關(guān)：scikit-learn線性回歸實踐 - 波斯頓房價預(yù)測?

#encoding=utf8
#********* Begin *********#
import pandas as pd
from sklearn.linear_model import LinearRegression#讀取訓(xùn)練數(shù)據(jù)
train_data = pd.read_csv('./step3/train_data.csv')#讀取訓(xùn)練標(biāo)簽
train_label = pd.read_csv("./step3/train_label.csv")
train_label = train_label["target"]#讀取測試數(shù)據(jù)
test_data = pd.read_csv("./step3/test_data.csv")
lr = LinearRegression()#訓(xùn)練模型
lr.fit(train_data,train_label)#預(yù)測標(biāo)簽
predict = lr.predict(test_data)#寫入csv
df = pd.DataFrame({"result":predict}) 
df.to_csv("./step3/result.csv", index=False)#********* End *********#