案例：学习时间与成绩的关系（线性回归）

第1步：导入数据分析库pandas，数据可视化库matplotlib

%matplotlib inline是Ipython的魔法函数，其作用是使matplotlib绘制的图像嵌入在juptyer notebook的单元格里

1
2
3
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

第2步：导入数据集

1
dataset = pd.read_csv('./studentscores.csv')
1
type(dataset)
pandas.core.frame.DataFrame

1
dataset.shape
(25, 2)

第3步：提取特征

提取特征：学习时间 提取标签：学习成绩

1
2
feature_columns = ['Hours']
label_column = ['Scores']
1
2
features = dataset[feature_columns]
label = dataset[label_column]
1
type(features)
pandas.core.frame.DataFrame

1
X = features.values
1
Y = label.values

第四步：建立模型

拆分数据，四分之三的数据作为训练集，四分之一的数据作为测试集

1
2
from sklearn.model_selection import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split( X, Y, test_size = 1/4, random_state = 0)

用训练集的数据进行训练

1
2
3
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor = regressor.fit(X_train, Y_train)

对测试集进行预测

1
Y_pred = regressor.predict(X_test)