前言：拿到一个案例，去分析：
它该是做分类还是做回归，哪部分该做分类，哪部分该做回归，哪部分该做优化，它们的目标值分别是什么。
再挑影响因素，哪些和分类有关的影响因素，哪些和回归有关的影响因素，哪些和优化有关的影响因素。
对于线性回归来说，
一、导入需要的所有模块和包
# 引入所需要的全部包 from sklearn.model_selection import train_test_split # 数据划分的类，用于交叉验证 from sklearn.linear_model import LinearRegression # 线性回归的类 from sklearn.preprocessing import StandardScaler # 数据标准化 import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt import pandas as pd from pandas import DataFrame import time
加载数据
# 加载数据 path1=' ' df = pd.read_csv(path1, sep=';', low_memory=False)#没有混合类型的时候可以通过low_memory=F调用更多内存，加快效率）
查看一下数据和格式
df.head(10)#查看一下前10行数据 # 查看格式信息 df.info()
获取x与y
数据集拆分成训练集和测试集
## 对数据集进行测试集合训练集划分 # X：特征矩阵(类型一般是DataFrame) # Y：特征对应的Label标签(类型一般是Series) # test_size: 对X/Y进行划分的时候，测试集合的数据占比, 是一个(0,1)之间的float类型的值 # random_state: 数据分割是基于随机器进行分割的，该参数给定随机数种子；给一个值(int类型)的作用就是保证每次分割所产生的数数据集是完全相同的 X_train,X_test,Y_train,Y_test = train_test_split(X, Y, test_size=0.2, random_state=0) #看一下训练集和测试集的样本量 print(X_train.shape) print(X_test.shape) print(Y_train.shape)
标准化/归一化，连续型做标准化，离散型做归一化，视情况而做
#fit是求均值和方差，transform是用求出来的均值-求出来的方差，二者可以结合 ss = StandardScaler() # 将数据标准化，创建了标准化后的模型对象，Normalization为归一化
拟合，标准化，fit与transfoem可以拆成两步写
#训练集标准化，测试集标准化 X_train = ss.fit_transform(X_train) # 训练模型并转换训练集 X_test = ss.transform(X_test) # 直接使用在模型构建数据上进行一个数据标准化操作 (测试集)，为的是让测试集和训练集的均值和方差是一致的
模型训练，预测结果
## 拟合，模型训练 lr = LinearRegression(fit_intercept=True) # 线性模型对象构建，是否包含截距项 lr.fit(X_train, Y_train) ## 拟合，训练模型 ## 模型校验 y_predict = lr.predict(X_test) ## 预测结果
查看拟合优度，即R方
print("训练集上R2:",lr.score(X_train, Y_train)) print("测试集上R2:",lr.score(X_test, Y_test)) #mse = np.average((y_predict-Y_test)**2) #rmse = np.sqrt(mse) #print("rmse:",rmse)
输出训练得到的参数
# 输出模型训练得到的相关参数 print("模型的系数(θ):", end="") print(lr.coef_) print("模型的截距:", end='') print(lr.intercept_)