進入到機器學習階段啦,從簡單到線性回歸作為入門學習,之前對機器學習完全不瞭解,首先宏觀上對機器學習、線性回歸及羅輯回歸等概念做一個疏通,這樣好知道在學習某一塊知識點的時候,處於這個體系的什麼地方,這樣有一個更好的認識。

回歸分析整體邏輯

回歸分析(Regression Analysis)

研究自變數與因變數之間關係形式的分析方法,它主要是通過建立因變數y與影響它的自變數x之間的回歸模型,來預測因變數y的發展趨向。

回歸分析的步驟

  • 根據預測目標,確定自變數和因變數
  • 繪製散點圖,確定回歸模型類型
  • 估計模型參數,建立回歸模型
  • 對回歸模型進行檢驗
  • 利用回歸模型進行預測

數據來源:單車數據下載


好啦~~正式開始啦!

1.導入所需要的包 以及下載下來的數據,因為原始數據有非常多的變數,而我只需要用到一個因變數一個自變數,所以讀取的時候,直接讀取需要的變數數據。

查看數據描述統計信息:

2.提取特徵值和標籤,繪製散點圖,確定回歸模型類型

3.分離出訓練數據和測試數據,查看分佈情況

4.創建回歸模型

5.模型評估

6.利用模型進行預測

總結:線性回歸模型和邏輯回歸模型可以一起學習,主要是進行對比,這樣就會更清晰的瞭解什麼是線性回歸模型,什麼是邏輯回歸模型,邏輯回歸模型其實是一種分類演算法,在下一篇文章會通過例子來展示邏輯回歸模型。


推薦閱讀:
相關文章