为了利用机器学习进行简单的线性回归,先理解机器学习和线性回归的概念,然后通过案例进行机器学习。本文主要目录如下:
一、机器学习的概念
二、线性回归的概念
三、机器学习线性回归模型
(一)导入数据集
(二)提取特征标签
(三)绘制原始数据散点图
(四)查看相关系数
(五)建立训练数据和测试数据
(六)构建线性回归模型
1、数据形状的转化
2、导入线性回归包,创建模型,训练模型
3、查看截距和相关系数
4、查看模型准确率(评估模型)
5、绘制训练数据单点图:通过训练数据预测值绘制最佳拟合曲线,绘制测试数据散点图
一、机器学习概念
(一)概念
从广义上来说,机器学习是一种能够赋予机器学习的能力以此让它完成直接编程无法完成的功能的方法。
从实践的意义上来说,
机器学习是一种通过利用数据,训练出模型,然后使用模型预测的一种方法。
机器学习与人类思考的经验过程是类似的,不过它能考虑更多的情况,执行更加复杂的计算。事实上,机器学习的一个主要目的就是把人类思考归纳经验的过程转化为计算机通过对数据的处理计算得出模型的过程。通过计算机得出的模型能够以近似于人的方式解决很多灵活复杂的问题。