[学习记录]sklearn线性回归

标签：style   ISE   开平   span   一个   导入数据   panda   root   square   

本文旨在记录colin老师workshop的exercise1讲解，包含入门级的sklearn操作

首先导入库

import numpy as np
import pandas as pd
import scipy.stas as stats
import sklearn

其次导入数据，这里使用的是sklearn中内置的数据集

from sklearn.datasets import load_boston
boston=load_boston()

使用pandas整理数据

pandas可以用来求相关性，取值为-1~1之间，-1为负相关，1为正相关，靠近0则是不相关。其中如果相关性低于0.5则应该考虑换一个参考模型。

 进行线性回归训练

对照测试集进行检验，检验的时候有三个重要指标，三个指标均越小越好

MAE：mean absolute error，预测时发生的平均偏差，取绝对值

MSE：mean squared error，对预测时产生的偏差进行平方处理，导致错误重度惩罚，正确轻度奖励

RMSE：root mean squared error，相当于对MSE结果开平方根

之前介绍的模型是一个自变量一个因变量，也支持多个自变量，就结果来看该模型不如上一个准确

[学习记录]sklearn线性回归

标签：style   ISE   开平   span   一个   导入数据   panda   root   square   

原文地址：https://www.cnblogs.com/trickofjoker/p/9305455.html