回歸入門

使用 scikit-learn 進行監督式學習

George Boorman

Core Curriculum Manager, DataCamp

預測血糖濃度

import pandas as pd
diabetes_df = pd.read_csv("diabetes.csv")
print(diabetes_df.head())

    pregnancies    glucose    triceps    insulin    bmi      age    diabetes
0   6              148        35         0          33.6     50     1
1   1              85         29         0          26.6     31     0
2   8              183        0          0          23.3     32     1
3   1              89         23         94         28.1     21     0
4   0              137        35         168        43.1     33     1
使用 scikit-learn 進行監督式學習

建立特徵與目標陣列

X = diabetes_df.drop("glucose", axis=1).values
y = diabetes_df["glucose"].values

print(type(X), type(y))

<class 'numpy.ndarray'> <class 'numpy.ndarray'>
使用 scikit-learn 進行監督式學習

用單一特徵做預測

X_bmi = X[:, 3]

print(y.shape, X_bmi.shape)

(752,) (752,)

X_bmi = X_bmi.reshape(-1, 1)

print(X_bmi.shape)

(752, 1)
使用 scikit-learn 進行監督式學習

繪製血糖與身體質量指數

import matplotlib.pyplot as plt

plt.scatter(X_bmi, y)

plt.ylabel("Blood Glucose (mg/dl)")
plt.xlabel("Body Mass Index")
plt.show()
使用 scikit-learn 進行監督式學習

繪製血糖與身體質量指數

血糖對身體質量指數的散佈圖

使用 scikit-learn 進行監督式學習

擬合回歸模型

from sklearn.linear_model import LinearRegression

reg = LinearRegression()

reg.fit(X_bmi, y)

predictions = reg.predict(X_bmi)

plt.scatter(X_bmi, y)

plt.plot(X_bmi, predictions)
plt.ylabel("Blood Glucose (mg/dl)")
plt.xlabel("Body Mass Index")
plt.show()
使用 scikit-learn 進行監督式學習

擬合回歸模型

在血糖對身體質量指數的散佈圖上，以約 30 度通過的最佳擬合直線

使用 scikit-learn 進行監督式學習

一起來練習吧！

使用 scikit-learn 進行監督式學習

Preparing Video For Download...