python机器学习实验.zip

################################################################### #一、加载糖尿病数据集diabetes，观察数据 ################################################################### #1.载入糖尿病情数据库diabetes，查看数据。 import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.datasets import load_diabetes#从sklearn数据集库导入diabetes数据 diabetes = load_diabetes() print(diabetes.keys()) print(diabetes.feature_names) #2.切分数据，组合成DateFrame数据，并输出数据集前几行，观察数据。 dm = pd.DataFrame(diabetes.data)#将data转换为DataFrame格式 print(dm.head(6)) dm_target = pd.DataFrame(diabetes.target) #将target转换为DataFrame格式 print(dm_target.head(6)) ################################################################### #二、基于线性回归对数据集进行分析 ################################################################### #3.查看数据集信息，从数据集中抽取训练集和测试集。 from sklearn.model_selection import train_test_split#导入数据划分包 # 把dm、dm_target转化为数组形式，以便于计算 X = np.array(dm.values) y = np.array(dm_target.values) # 以25%的数据构建测试样本，剩余作为训练样本 X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.25) X_train.shape,X_test.shape,y_train.shape,y_test.shape #4.建立线性回归模型，训练数据，评估模型。 from sklearn.linear_model import LinearRegression #使用LinearRegression库 lr=LinearRegression() #设定回归算法 lr.fit(X_train,y_train) #使用训练数据进行参数求解 print ('求解截距项为：',lr.intercept_) #打印截距的值 print ('求解系数为：',lr.coef_) #打印权重向量的值 #模型预测 y_hat = lr.predict(X_test) #对测试集的预测 #模型评估 #y_test与y_hat的可视化 plt.figure(figsize=(10,6)) #设置图片尺寸 t = np.arange(len(X_test)) #创建t变量 plt.plot(t, y_test, 'r', linewidth=2, label='y_test') #绘制y_test曲线 plt.plot(t, y_hat, 'g', linewidth=2, label='y_hat') #绘制y_hat曲线 plt.legend() #设置图例 plt.xlabel('test data') plt.ylabel('target') plt.show() ################################################################### #三、考察每个特征值与结果之间的关联性，观察得出最相关的特征 ################################################################### print(X_test) #5.考察每个特征值与结果之间的关系，分别以散点图展示。 max_i=0 tmp = 0 for i in range(len(diabetes.feature_names)): plt.figure(figsize=(10,6)) #绘制图片尺寸 plt.scatter(X_test[:,i],y_hat) #绘制散点图 plt.xlabel(diabetes.feature_names[i]) #设置X轴坐标轴标签 plt.ylabel('predicted') #设置y轴坐标轴标签 rho=np.corrcoef(X_test[:,i],y_hat[:,0])#求pearson相关系数 if abs(rho[0,1])>tmp: tmp = abs(rho[0,1]) max_i = i print(i,rho[0,1]) #思考：根据散点图结果对比，哪个特征值与结果之间的相关性最高？ ################################################################### #四、使用回归分析找出XX特征值与糖尿病的关联性，并预测出相关结果 ################################################################### # 6.把5中相关性最高的特征值提取，然后进行数据切分。 X = dm.iloc[:,max_i:max_i+1]#选取data中的最高的特征值变量 y = dm_target plt.scatter(X, y) #绘制散点图 plt.xlabel(u'ltg') #x轴标签 plt.ylabel(u'target') #y轴标签 plt.title(u'The relation of ltg and target') #标题 plt.show() # 把X、y转化为数组形式，以便于计算 X = np.array(X.values) y = np.array(y.values) # 以25%的数据构建测试样本，剩余作为训练样本 X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.25) X_train.shape,X_test.shape,y_train.shape,y_test.shape # 8.创建线性回归模型，进行线性回归模型训练。 lr=LinearRegression() #设定回归算法 lr.fit(X_train,y_train) #使用训练数据进行参数求解 # 9.对测试集进行预测，求出权重系数。 y_hat = lr.predict(X_test) #对测试集的预测 print ('求解截距项为：',lr.intercept_) #打印截距的值 print ('求解系数为：',lr.coef_) #打印权重向量的值 # 10.对预测结果进行评价，结果可视化。 #y_test与y_hat的可视化 plt.figure(figsize=(10,6)) #设置图片尺寸 t = np.arange(len(X_test)) #创建t变量 plt.plot(t, y_test, 'r', linewidth=2, label='y_test') #绘制y_test曲线 plt.plot(t, y_hat, 'g', linewidth=2, label='y_hat') #绘制y_hat曲线 plt.legend() #设置图例 plt.xlabel('test data') plt.ylabel('price') plt.show() plt.figure(figsize=(10,6)) #绘制图片尺寸 plt.plot(y_test,y_hat,'o') #绘制散点 plt.plot() plt.xlabel('ground truth') #设置X轴坐标轴标签 plt.ylabel('predicted') #设置y轴坐标轴标签 plt.grid() #绘制网格线 from sklearn import metrics from sklearn.metrics import r2_score # 拟合优度R2的输出方法一 print ("r2:",lr.score(X_test, y_test)) #基于Linear-Regression()的回归算法得分函数，来对预测集的拟合优度进行评价 # 拟合优度R2的输出方法二 print ("r2_score:",r2_score(y_test, y_hat)) #使用metrics的r2_score来对预测集的拟合优度进行评价 # 用scikit-learn计算MAE print ("MAE:", metrics.mean_absolute_error(y_test, y_hat)) #计算平均绝对误差 # 用scikit-learn计算MSE print ("MSE:", metrics.mean_squared_error(y_test, y_hat)) #计算均方误差 # # 用scikit-learn计算RMSE print ("RMSE:", np.sqrt(metrics.mean_squared_error(y_test, y_hat))) #计算均方根误差 # 6.把5中相关性最高的特征值提取，然后进行数据切分。 X = dm.iloc[:,2:3]#选取data中的最高的特征值变量 y = dm_target # 把X、y转化为数组形式，以便于计算 X = np.array(X.values) y = np.array(y.values) # 以25%的数据构建测试样本，剩余作为训练样本 X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.25) X_train.shape,X_test.shape,y_train.shape,y_test.shape # 8.创建线性回归模型，进行线性回归模型训练。 lr=LinearRegression() #设定回归算法 lr.fit(X_train,y_train) #使用训练数据进行参数求解 # 9.对测试集进行预测，求出权重系数。 y_hat = lr.predict(X_test) #对测试集的预测 print ('求解截距项为：',lr.intercept_) #打印截距的值 print ('求解系数为：',lr.coef_) #打印权重向量的值 # 10.对预测结果进行评价，结果可视化。 #y_test与y_hat的可视化 plt.figure(figsize=(10,6)) #设置图片尺寸 t = np.arange(len(X_test)) #创建t变量 plt.plot(t, y_test, 'r', linewidth=2, label='y_test') #绘制y_test曲线 plt.plot(t, y_hat, 'g', linewidth=2, label='y_hat') #绘制y_hat曲线 plt.legend() #设置图例 plt.xlabel('test data') plt.ylabel('price') plt.show() plt.figure(figsize=(10,6)) #绘制图片尺寸 plt.plot(y_test,y_hat,'o') #绘制散点 plt.plot() plt.xlabel('ground truth') #设置X轴坐标轴标签 plt.ylabel('predicted') #设置y轴坐标轴标签 plt.grid() #绘制网格线 # 拟合优度R2的输出方法一 print ("r2:",lr.score(X_test, y_test)) #基于Linear-Regression()的回归算法得分函数，来对预测集的拟合优度进行评价 # 拟合优度R2的输出方法二 print ("r2_score:",r2_score(y_test, y_hat)) #使用metrics的r2_score来对预测集的拟合优度进行评价 # 用scikit-learn计算MAE print ("MAE:", metrics.mean_absolute_error(y_test, y_hat)) #计算平均绝对误差 # 用scikit-learn计算MSE print ("MSE:", metrics.mean_squared_error(y_test, y_hat)) #计算均方误差 # # 用scikit-learn计算RMSE print ("RMSE:", np.sqrt(metrics.mean_squared_error(y_test, y_hat))) #计算均方根误差