Python 3 – 機械学習回帰-Pythonチュートリアル

線形回帰アルゴリズムは、連続値（価格、温度など）を予測します。
これは、初心者向けの機械学習アルゴリズムシリーズの別の記事です。
これは教師あり学習アルゴリズムであり、機能させるにはトレーニングデータを収集する必要があります。

関連コース： Python機械学習コース

線形回帰

前書き

分類出力は離散値のみにすることができます。 あり得る [0]、[1]、[2] エトセトラ。
価格やその他の継続的な値を出力したい場合はどうなりますか？

次に、回帰アルゴリズムを使用します。

特徴に基づいて住宅価格を予測したいとします。 データの収集は
最初の一歩。 機能には、部屋の数、m ^ 2の面積、近隣の品質などがあります。

例

機能を書き留めます：＃area_m2。
このようなコードの例では。

1
2
3
4
5
6
7
8
9
10
11
12

from sklearn.linear_model import LinearRegression

X = [[4], [8], [12], [16], [18]]
y = [[40000], [80000], [100000], [120000], [150000]]

model = LinearRegression()
model.fit(X,y)


rooms = 11
prediction = model.predict([[rooms]])
print('Price prediction: $%.2f' % prediction)

次に、そのデータに基づいてプロットを作成できます（必要な場合）。
面積と価格の間に相関関係があることがわかります。

これは線形関係です。
線形回帰アルゴリズムを使用して、価格を予測できます。

機械学習を初めて使用する場合は、 それなら私はこの本を強くお勧めします。

説明

最初に、学習したように線形回帰アルゴリズムをインポートし、次にトレーニングデータXとYを定義しました。ここで、軸は面積、yは価格です。

1
2

model = LinearRegression()
model.fit(X,y)

線形関係があるため、線形回帰アルゴリズムは、トレーニングデータを使用してアルゴリズムをトレーニングします。

アルゴリズムがトレーニングされたので、エリアを使用して予測を行うことができます。
新しい例は、あなたのために価格を予測することができます。

1
2
3

rooms = 11
prediction = model.predict([[rooms]])
print('Price prediction: $%.2f' % prediction)

このアルゴリズム 線形回帰 データセットに線形関係がある場合にのみ機能します。
ない場合は、多項式アルゴリズムが必要です。

線形関係があることを確認するためにプロットします。

例と演習をダウンロードする