Regression回归算法代码

本文件包含多个数据集的代码示例，有广告、莺尾花、波士顿房价数据的回归代码，附带数据集，画出鸢尾花数据不同分类器的ROC和AUC曲线图

#!/usr/bin/python
# -*- coding:utf-8 -*-

import csv
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from pprint import pprint


if __name__ == “__main__“:
    path = ‘Advertising.csv‘
    # # 手写读取数据
    # f = file（path）
    # x = []
    # y = []
    # for i d in enumerate（f）:
    #     if i == 0:
    #         continue
    #     d = d.strip（）
    #     if not d:
    #         continue
    #     d = map（float d.split（‘‘））
    #     x.append（d[1:-1]）
    #     y.append（d[-1]）
    # pprint（x）
    # pprint（y）
    # x = np.array（x）
    # y = np.array（y）

    # Python自带库
    # f = file（path ‘r‘）
    # print f
    # d = csv.reader（f）
    # for line in d:
    #     print line
    # f.close（）

    # # numpy读入
    # p = np.loadtxt（path delimiter=‘‘ skiprows=1）
    # print p
    # print ‘\n\n===============\n\n‘

    # pandas读入
    data = pd.read_csv（path）    # TV、Radio、Newspaper、Sales
    # x = data[[‘TV‘ ‘Radio‘ ‘Newspaper‘]]
    x = data[[‘TV‘ ‘Radio‘]]
    y = data[‘Sales‘]
    print x
    print y

    mpl.rcParams[‘font.sans-serif‘] = [u‘simHei‘]
    mpl.rcParams[‘axes.unicode_minus‘] = False

    # 绘制1
    plt.figure（facecolor=‘w‘）
    plt.plot（data[‘TV‘] y ‘ro‘ label=‘TV‘）
    plt.plot（data[‘Radio‘] y ‘g^‘ label=‘Radio‘）
    plt.plot（data[‘Newspaper‘] y ‘mv‘ label=‘Newspaer‘）
    plt.legend（loc=‘lower right‘）
    plt.xlabel（u‘广告花费‘ fontsize=16）
    plt.ylabel（u‘销售额‘ fontsize=16）
    plt.title（u‘广告花费与销售额对比数据‘ fontsize=20）
    plt.grid（）
    plt.show（）

    # 绘制2
    plt.figure（facecolor=‘w‘ figsize=（9 10））
    plt.subplot（311）
    plt.plot（data[‘TV‘] y ‘ro‘）
    plt.title（‘TV‘）
    plt.grid（）
    plt.subplot（312）
    plt.plot（data[‘Radio‘] y ‘g^‘）
    plt.title（‘Radio‘）
    plt.grid（）
    plt.subplot（313）
    plt.plot（data[‘Newspaper‘] y ‘b*‘）
    plt.title（‘Newspaper‘）
    plt.grid（）
    plt.tight_layout（）
    plt.show（）

    x_train x_test y_train y_test = train_test_split（x y train_size=0.8 random_state=1）
    print type（x_test）
    print x_train.shape y_train.shape
    linreg = LinearRegression（）
    model = linreg.fit（x_train y_train）
    print model
    print linreg.coef_ linreg.intercept_

    order = y_test.argsort（axis=0）
    y_test = y_test.values[order]
    x_test = x_test.values[order :]
    y_hat = linreg.predict（x_test）
    mse = np.average（（y_hat - np.array（y_test）） ** 2）  # Mean Squared Error
    rmse = np.sqrt（mse）  # Root Mean Squared Error
    print ‘MSE = ‘ mse
    print ‘RMSE = ‘ rmse
    print ‘R2 = ‘ linreg.score（x_train y_train）
    print ‘R2 = ‘ linreg.score（x_test y_test）

    plt.figure（facecolor=‘w‘）
    t = np.arange（len（x_test））
    plt.plot（t y_test ‘r-‘ linewidth=2 label=u‘真实数据‘）
    plt.plot（t y_hat ‘g-‘ linewi

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2017-03-26 15:25  8.Regression\
     目录           0  2017-03-26 15:25  8.Regression\.idea\
     文件         459  2017-03-26 13:28  8.Regression\.idea\8.Regression.iml
     文件         687  2017-03-26 13:28  8.Regression\.idea\misc.xml
     文件         276  2017-03-26 13:23  8.Regression\.idea\modules.xml
     文件       32825  2017-03-26 14:36  8.Regression\.idea\workspace.xml
     文件        3247  2017-03-26 14:12  8.Regression\8.1.Advertising.py
     文件        1734  2017-03-26 14:15  8.Regression\8.2.LinearRegression_CV.py
     文件        5062  2017-03-26 14:17  8.Regression\8.3.ElasticNet.py
     文件        4616  2017-03-26 14:17  8.Regression\8.4.Iris_LR.py
     文件        2602  2017-03-26 14:27  8.Regression\8.5.Boston.py
     文件        2590  2017-03-26 14:33  8.Regression\8.6.ARIMA.py
     文件        6205  2017-03-26 14:34  8.Regression\8.7.roc_auc_intro.py
     文件        2735  2017-03-26 14:35  8.Regression\8.8.roc_auc.py
     文件        3016  2017-03-26 14:35  8.Regression\8.9.roc_auc_iris.py
     文件        4756  2016-11-05 14:42  8.Regression\Advertising.csv
     文件        1746  2017-03-15 01:13  8.Regression\AirPassengers.csv
     文件       49082  2016-11-21 13:49  8.Regression\housing.data
     文件        2080  2016-11-21 13:49  8.Regression\housing.names
     文件        4551  2016-11-05 14:42  8.Regression\iris.data
     文件        2998  2016-11-05 14:42  8.Regression\iris.names