深度学习第一周（二）

目标

• Regression Models (回归模型)
• 学习 Scikit-Learn 搭建回归模型

准备工作及知识

环境配置

• 选择 Python2 版本

  conda create -n siraj-regression python=2

• 安装 pandas,matplotlib,scikit-learn

  conda install pandas matplotlib scikit-learn

参考资料

• Pandas (Python 数据处理库)

• Scikit-learn (综合性 Python 机器学习库)

• Matplotlib (Matplotlib 官方教程)

Siraj 的线性回归

Youtobe 地址 ：Siraj

内容： 使用线性回归计算脑容量和体重之间的关系

操作步骤

1. 环境配置（创建环境，进入环境，安装包）

   conda create -n siraj-regression python=2
   activate siraj-regression
   conda install pandas matplotlib scikit-learn

2. 下载训练数据文件

   git clone https://github.com/llSourcell/linear_regression_demo.git

3. 执行 demo.py
   效果如图：
   

线性回归注意

线性回归隐含一系列前提假设，并非适合所有情形，因此注意两个问题

1. 适用于线性数据
   如果训练数据包含非线性关系，你需要：调整数据，增加特征值数量或选用其他模型
2. 容易受异常值影响
   数据集中存在不符合总体规律的异常值时，会影响最终结果

多元线性回归

只有单个预测变量时，线性模型公式为 $y = mx$
两个预测变量时，预测公式为 $y = m_1x_1+m_2x_2+b$
多个预测变量同理，不影响编程

线性回归练习

题目： 构建线性回归模型，根据各国男性人口的 身体质量指数 (BMI) 来预测该国人口平均寿命。绘制线形图并预测 BMI 为 21 的寿命

提示： 仿照 demo.py

1. 利用 pandas 的函数 read_csv 读取 bmi_and_life.csv 文件
2. 构建 sklearn 的线性模型并训练
3. 利用 matplotlib.pyplot 绘图
4. 数据文件 bmi_and_life.csv 点这里

答案：点这里 bmi_and_life.py 文件