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

import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

第2步：导入数据集，查看数据集

代码：

dataset = pd.read_csv('./studentscores.csv')
dataset.head(10)  # 展示前10行

输出：

    Hours    Scores
0    2.5    21
1    5.1    47
2    3.2    27
3    8.5    75
4    3.5    30
5    1.5    20
6    9.2    88
7    5.5    60
8    8.3    81
9    2.7    25

代码：

dataset.shape  # 查看形状

输出：

(25, 2)  # 25行2列

代码：

dataset.columns  # 查看表头

输出：

Index(['Hours', 'Scores'], dtype='object')

代码：

dataset.info()  # 查看数据的具体信息

输出：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 25 entries, 0 to 24
Data columns (total 2 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   Hours   25 non-null     float64
 1   Scores  25 non-null     int64  
dtypes: float64(1), int64(1)
memory usage: 528.0 bytes

代码：

dataset.describe()  # 查看基本统计特征

输出：

            Hours    Scores
count    25.000000    25.000000
mean    5.012000    51.480000
std    2.525094    25.286887
min    1.100000    17.000000
25%    2.700000    30.000000
50%    4.800000    47.000000
75%    7.400000    75.000000
max    9.200000    95.000000

第3步：提取特征¶

提取特征：学习时间， 提取标签：学习成绩

feature_columns = ['Hours']
label_column = ['Scores']
features = dataset[feature_columns]
label = dataset[label_column]
X = features.values  # 特征数据
Y = label.values  # 标签数据

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

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

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

对测试集进行预测¶

Y_pred = regressor.predict(X_test)

可视化

# 散点图：红色点表示训练集的点
plt.scatter(X_train, Y_train, color = 'red')
# 线图：蓝色线表示由训练集训练出的线性回归模型
plt.plot(X_train, regressor.predict(X_train), color ='blue')
plt.show()

# 散点图：红色点表示测试集的点
plt.scatter(X_test , Y_test, color = 'red')
# 线图：蓝色线表示对测试集进行预测的结果
plt.plot(X_test, regressor.predict(X_test), color ='blue')
plt.show()