Python线性回归——单车案例 进入到机器学习阶段啦,从简单到线性回归作为入门学习,之前对机器学习完全不了解,首先宏观上对机器学习、线性回归及罗辑回归等概念做一个疏通,这样好知道在学习某一块知识点的时候,处于这个体系的什么地方,这样有一个更好的认识。 回归分析整体逻辑回归分析(Regression Analysis)研究自变数与因变数之间关系形式的分析方法,它主要是通过建立因变数y与影响它的自变数x之间的回归模型,来预测因变数y的发展趋向。回归分析的步骤 根据预测目标,确定自变数和因变数 绘制散点图,确定回归模型类型 估计模型参数,建立回归模型 对回归模型进行检验 利用回归模型进行预测 数据来源:单车数据下载 好啦~~正式开始啦!1.导入所需要的包 以及下载下来的数据,因为原始数据有非常多的变数,而我只需要用到一个因变数一个自变数,所以读取的时候,直接读取需要的变数数据。 查看数据描述统计信息: 2.提取特征值和标签,绘制散点图,确定回归模型类型 3.分离出训练数据和测试数据,查看分布情况 4.创建回归模型 5.模型评估 6.利用模型进行预测 总结:线性回归模型和逻辑回归模型可以一起学习,主要是进行对比,这样就会更清晰的了解什么是线性回归模型,什么是逻辑回归模型,逻辑回归模型其实是一种分类演算法,在下一篇文章会通过例子来展示逻辑回归模型。 推荐阅读: 相关文章 {{#data}} {{title}} {{/data}}