机器学习5线性回归算法

1.本节重点知识点用自己的话总结出来，可以配上图片，以及说明该知识点的重要性

（1）思维导图

 

 

 

 

 

 （2）回归算法

 

 

 

 （3）梯度下降

 

 （4）损失函数

 

 

 

 

 2.思考线性回归算法可以用来做什么？

可以处理回归问题：例如房价预测，温度预测等

也可以处理分类问题：例如天气预测等

 

3.自主编写线性回归算法 ，数据可以自己造，或者从网上获取

线性回归模型通过面积预测租房价格

import pandas as pd
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt

df = pd.read_csv('./201706120024陈圳锐(处理后).csv',encoding="utf-8")#读取文件
plt.rcParams['font.sans-serif'] = 'SimHei'# 设置中文显示

#散点图
plt.figure(figsize=(12,8))  #设置画布
x = df[['面积']].values
y = df['租金'].values

plt.scatter(x,y,color="green",s=5.0)#散点模型
plt.title("广州房屋面积对广州二手房价的影响")
#构建线性模型模型
LR_model=LinearRegression()
LR_model.fit(x,y)
#绘制线性方程
plt.plot(x, LR_model.predict(x),color="blue")
plt.xlabel('面积(单位：平米)')#X轴
plt.ylabel('租金（元）')#Y轴
plt.title('面积对租房价格的影响')
plt.show()

预测后模型结果

 

 

原数据