[学习记录]sklearn线性回归

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