最近看有人发了机器学习的培训挺便宜的,就尝试了一下。
讲的比较基础,很适合入门,用来了解这个行业。即使不从事此行业,用工具去画一个数学模型的图也是好的。
其他的各种机器学习概念,高数离散等数学基础知识都一样,没什么可写的。
只有安装的工具和使用方法,值得记录一下。
1.安装anaconda
到anaconda官网,下载安装就行,不过记住安装的时候选上注册环境变量,要不然使用起来麻烦。
2.安装jupyter notebook
打开命令终端,执行命令conda install jupyter
3.启动jupyter notebook
打开命令终端,执行jupyter notebook,然后发现它会自动打开你的浏览器,显示一个页面。
4.执行程序
(1)把要分析的文件在操作页面上上传,
(2)在右侧有个"new"按钮,点击new->python3
(3)在命令终端上执行机器学习代码:
import pandas as pd import numpy as np import matplotlib.pyplot as plt from sklearn.linear_model import LinearRegression #显示前几行 data = pd.read_csv("data/Advertising.csv") data.head() #查看列标题 data.columns #数据可视化 plt.figure(figsize=(16,8)) plt.scatter(data['TV'],data['sales'],c='black') plt.xlabel("Money spent on TV ads") plt.ylabel("Sales") plt.show() #训练线性回归模型 x = data['TV'].values.reshape(-1,1) y = data['sales'].values.reshape(-1,1) reg = LinearRegression() reg.fit(x,y) #打印结果 print('a = {:.5}'.format(reg.coef_[0][0])) print('b = {:.5}'.format(reg.intercept_[0])) print("线性模型为:Y = {:.5}X + {:.5} ".format(reg.coef_[0][0], reg.intercept_[0])) #画出预测曲线 predictions = reg.predict(x) plt.figure(figsize=(16, 8)) plt.scatter(data['TV'], data['sales'], c = 'black') plt.plot(data['TV'], predictions, c = 'blue', linewidth=2) plt.xlabel("Money spent on TV ads") plt.ylabel("Sales") plt.show() #预测当投入100亿时的结果 predictions = reg.predict([[100]]) print('投入一亿元的电视广告,预计的销售量为{:.5}亿'.format( predictions[0][0])) predictions = reg.predict([[100],[200],[300]]) print('投入一亿、二亿、三亿元的电视广告,预计的销售量分别为为{:.5}、{:.5}、{:.5}亿'.format( predictions[0][0], predictions[1][0], predictions[2][0]))
View Code
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:体验机器学习编程 - Python技术站