前言

  1. 线性回归预测，come on! 早点弄完被政治去！<br />    最后一个了

一、线性回归

全英文果然能把我送走..
You can read this!
直接抄答案

二、四

  1. # pandas 学习
  2. # 数据格式话 DataFrame类型
  3. data = pd.DataFrame(data=data)
  5. # 插入列
  6. # data.shape[1] 表示列  'cool' 表示列名  最后一个表示元素初始化的值
  7. data.insert(data.shape[1], 'cool', pd.DataFrame(cool)
  9. # groupby 并求平均值
  10. data.groupby('stars').mean()
  12. # 在计算相关系数的时候，是在Excel中，如果使用pandas的话，就非常容易了，
  13. #因为算法是固定的，所以直接调用一个函数就算好了
  14. pandas.DataFrame.corr
  16. # 创建图例
  17. plt.legend
  19. # 散点图加归回曲线
  21. sns.regplot(y="cool",x="stars",data=yelp)
  22. # 折线图
  23. sns.lineplot()
  24. # 散点图
  25. sns.scatterplot()

seaborn简单入门

  1. # 分割图像
  2. plt.figure()
  3. # 分割抹布 三行一列
  4. plt.subplot(3,1,1)
  5. sns.scatterplot(y="cool",x="stars", data=yelp)
  6. plt.subplot(3,1,2)
  7. sns.scatterplot(y="useful",x="stars", data=yelp)
  8. plt.subplot(3,1,3)
  9. m = sns.scatterplot(y="funny",x="stars", data=yelp)
  10. plt

矩阵学习链接

  1. # 矩阵学习
  2. import numpy as np
  4. # Numpy函数库中的matrix
  5. # 初始化定义
  6. a = np.mat('1 3;5 7')
  7. b = np.mat([[1,2],[3,4]])
  8. # 可以用mat转化array 矩阵
  9. # mat和array类型不同，用mat函数转换为矩阵后才能进行一些线性代数的操作
  10. np.mat(array_1)
  11. # 创建0矩阵
  12. data1 = np.mat(np.zeros((3,3)))
  13. # 1矩阵
  14. np.mat(np.ones((2,4)))
  15. # 一定范围内的随机矩阵
  16. np.mat(np.random.randint(2,8,size=(2,5)))

三、预测

这人应该修了同一门课程
第一节：https://www.zhihu.com/people/nian-qing-de-zhan-chang-44-30/posts

https://www.zhihu.com/people/nian-qing-de-zhan-chang-44-30/posts