数据挖掘-diabetes数据集分析-糖尿病病情预测_线性回归_最小平方回归

  1. # coding: utf-8
  2. # 利用 diabetes数据集来学习线性回归
  3. # diabetes 是一个关于糖尿病的数据集, 该数据集包括442个病人的生理数据及一年以后的病情发展情况。
  4. # 数据集中的特征值总共10项, 如下:
  5. # 年龄
  6. # 性别
  7. #体质指数
  8. #血压
  9. #s1,s2,s3,s4,s4,s6  (六种血清的化验数据)
  10. #但请注意,以上的数据是经过特殊处理, 10个数据中的每个都做了均值中心化处理,然后又用标准差乘以个体数量调整了数值范围。验证就会发现任何一列的所有数值平方和为1.
  11. #关于数据集更多的信息: http://scikit-learn.org/stable/modules/generated/sklearn.datasets.load_diabetes.html
  12. # http://scikit-learn.org/stable/datasets/index.html#datasets
  13. import numpy as np
  14. from sklearn import datasets
  15. diabetes=datasets.load_diabetes()
  16. #查看第一列年龄的数据
  17. diabetes.data[0]
  18. #求证: 每一列的数值的平方和为1
  19. np.sum( diabetes.data[:,0]**2)  #求年龄列
  20. #糖尿病进展的数据
  21. diabetes.target  #数值介于   25到346之间
  22. #切分训练集与测试集
  23. #自动切分训练集太小了
  24. #from sklearn.cross_validation import train_test_split
  25. #x_train,x_test,y_train,y_test=train_test_split( diabetes.data,diabetes.target,random_state=14)
  26. #所以换成手工切分
  27. x_train=diabetes.data[:-20]
  28. y_train=diabetes.target[:-20]
  29. x_test=diabetes.data[-20:]
  30. y_test=diabetes.target[-20:]
  31. #什么是回归呢? 回归的目的是预测数值型的目标值。最直接的办法是根据训练数据计算出一个求目标值的计算公式。假如你想预测一个地区的餐馆数量,可能会这么计算:
  32. #     num = 0.002 * people + 0.001 * gpd
  33. # 以上就是所谓的回归方程,其中的0.002, 0.001称作回归系数,求这些回归系数的过程就是回归。一旦求出了这些回归系数,再给定输入,做预测就简单了.
  34. # 回归分为线性回归和非线性回归。 上面的公式描述的就是线性回归.
  35. #线性回归通过拟合线性模型的回归系数W =(w_1,…,w_p)来减少数据中观察到的结果和实际结果之间的残差平方和,并通过线性逼近进行预测。
  36. #scikit-learn库的线性回归预测模型通过fit(x,y)方法来训xaisaj型,其中x为数据的属性,y为所属的类型.线性模型的回归系数W会保存在它的coef_方法中.
  37. from sklearn import linear_model
  38. linreg=linear_model.LinearRegression()   #创建线性回归
  39. #用训练集训练模型
  40. linreg.fit( x_train,y_train)
  41. #调用预测模型的coef_属性,求出每种生理数据的回归系数b, 一共10个结果,分别对应10个生理特征.
  42. linreg.coef_
  43. #在模型上调用predict()函数,传入测试集,得到预测值,
  44. linreg.predict( x_test )
  45. #结果:array([ 197.61846908,  155.43979328,  172.88665147,  111.53537279,
  46. #      164.80054784,  131.06954875,  259.12237761,  100.47935157,
  47. #      117.0601052 ,  124.30503555,  218.36632793,   61.19831284,
  48. #      132.25046751,  120.3332925 ,   52.54458691,  194.03798088,
  49. #      102.57139702,  123.56604987,  211.0346317 ,   52.60335674])
  50. #查看实际目标值
  51. y_test
  52. #array([ 233.,   91.,  111.,  152.,  120.,   67.,  310.,   94.,  183.,
  53. #         66.,  173.,   72.,   49.,   64.,   48.,  178.,  104.,  132.,
  54. #        220.,   57.])
  55. #如何评价以上的模型优劣呢?我们可以引入方差,方差越接近于1,模型越好.
  56. # 方差: 统计中的方差(样本方差)是各个数据分别与其平均数之差的平方的和的平均数
  57. linreg.score( x_test,y_test)
  58. #对每个特征绘制一个线性回归图表
  59. import matplotlib.pyplot as plt
  60. #matplot显示图例中的中文问题 :   https://www.zhihu.com/question/25404709/answer/67672003
  61. import matplotlib.font_manager as fm
  62. #mac中的字体问题请看: https://zhidao.baidu.com/question/161361596.html
  63. myfont = fm.FontProperties(fname='/Library/Fonts/Xingkai.ttc')
  64. plt.figure(  figsize=(8,12))
  65. #循环10个特征
  66. for f in range(0,10):
  67. #取出测试集中第f特征列的值, 这样取出来的数组变成一维的了,
  68. xi_test=x_test[:,f]
  69. #取出训练集中第f特征列的值
  70. xi_train=x_train[:,f]
  71. #将一维数组转为二维的
  72. xi_test=xi_test[:,np.newaxis]
  73. xi_train=xi_train[:,np.newaxis]
  74. plt.ylabel(u'病情数值',fontproperties=myfont)
  75. linreg.fit( xi_train,y_train)   #根据第f特征列进行训练
  76. y=linreg.predict( xi_test )       #根据上面训练的模型进行预测,得到预测结果y
  77. #加入子图
  78. plt.subplot(5,2,f+1)   # 5表示10个图分为5行, 2表示每行2个图, f+1表示图的编号,可以使用这个编号控制这个图
  79. #绘制点   代表测试集的数据分布情况
  80. plt.scatter(  xi_test,y_test,color='k' )
  81. #绘制线
  82. plt.plot(xi_test,y,color='b',linewidth=3)
  83. plt.savefig('python_糖尿病数据集_预测病情_线性回归_最小平方回归.png')
  84. plt.show()
上一篇:Mysql : L闪存卡linux中的内核参数设置


下一篇:3.IP地址分类_规划_子网掩码