Scikit-learn应用指南:监督学习第2部分 -- 回归分析丨数析学院

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

以下内容转自 数析学院，只节选了部分，有需要的同学可以直接查看原文。百度搜索数析学院课程简介

回归学习算法和分类学习算法都属于监督学习，两者的区别在于输出变量的类型，回归是定量输出（或者说是连续变量预测），分类是定性输出（或者说是离散变量预测）。回归学习算法应用十分广泛，比如预测房价、未来的天气情况等。本节将介绍如何用回归学习算法来预测一个连续值，以及如何进行评估等。

学习目标

• 了解回归学习算法的工作原理
• 了解线性回归与k近邻回归
• 了解回归与分类的区别
  

在回归中，我们尝试预测一个连续的输出变量 -- 与之前分类例子中所预测的定类变量相反。

以具有一个特征维度（解释变量）和一个目标变量的简单案例开始。我们先创建一个带有一些噪音的正弦曲线的数据集：

1.线性回归

将要介绍的第一个模型就是所谓的简单线性回归模型。在这里，我们想要通过这些数据来拟合出一条直线，这是因为：

最简单的模型之一就是线性模型，它只是简单地试图预测这些数据为一条线。找到这样的一条线的一种方法是线性回归(也称为[普通最小二乘法(OLS)]回归(https://en.wikipedia.org/wiki/Ordinary_least_squares)。线性回归的接口和之前的分类器完全一样，只是这个y现在包含浮点值，而不是类别。

正如我们知道的，scikit-learn 的 API 需要我们提供一维数组形式的目标变量（y）；希望样本（X）表示成一个二维数组 -- 即使它可能只包含1个特征。因此，我们将一维xNumPy数组转换为一个具有2个轴的X数组：

以上内容转自 数析学院，只节选了部分，有需要的同学可以直接查看原文。百度搜索数析学院

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：scikit-learn Learn 应用指南 Earn 回归分析