)，算是机器学习里的Hello World. 机器学习还有好多好多算法，监督学习算法里面有两大类，一类是分类，一类是回归！回归更有趣，可以做很多事情比如数据的预测，这个很牛逼啊！今天我们通过对美国波士顿的房价数据，来学习一下最最简单的线性回归算法。
线性回归一般用来解决连续值变量预测问题，针对的是数值型的样本。用来探索自变量和因变量之间是线性相关关系。今天我们介绍入门级别的简单线性回归算法(也叫一元线性回归)，何为简单线性回归呢，说白了就是样本特质只有一个值.
比如我们有一份房屋面积和价格的数据，很明显自变量(面积)和因变量(房价)是强相关的，房屋的面积为x，房价为y，这里会有一个方程:y=ax+b
线性回归就是指利用样本（已知数据)，产生拟合方程，回归的求解就是求这个回归方程的回归系数。一旦我们得到了这个方程，预测的方法当然十分简单，回归系数乘以输入值再全部相加就得到了预测值。
既然是要找出一个最佳的拟合线，就是求解线性回归方程，我们喂给机器一堆数据，只要能解析出a和b就可以了！a术语叫斜率，b叫截距.只要我们拿到了a,b就可以画出直线，也就可以预测数据了,下面我们通过一个实例来！
通过机器学习算法可以对房价进行预测的，今天我们来看一组美国波士顿房价的数据集。这个数据集是sklearn里面的默认数据集，非常有趣，我们直接导入即可.
最的50万美金的房价的数据点特别密集，构成了一条直线，估计是数据集采集的时候，大于50W都写50W,下面我会处理一下这块数据.
这个模型的准确率只有74.5%，然后我们得到的13个相关系数，发现相关性最强的是第5个，这个就是RM,也就是房间数.
另外上次送上留言有近500份的留言，小程序抽中的同学,目前只有一位给我的快递地址，如果到周二(1/16)中午12:00前还是没有跟我联系，我会把机会直接挪给上次留言区的小伙伴.陕西省副省长李金柱
本文由 325游戏（m.325games.com）整理发布
网友评论 ()条 查看