(本文为小白的练手文分享，大神请忽略，阅读本文需7分钟左右，请多指教点赞哈谢谢！)

Python的sklearn库提供了方便的机器学习算法，能很快实现一个简单的一元线性回归，具体有以下几个步骤：提出问题

理解数据

数据清洗

构建模型

评估

下面将根据一个简单的案例，分析“学习时间”与“分数”之间的关系，两者相关性如何？是否存在线性关系？回归曲线的拟合度怎么样？

首先准备数据。

from collections import OrderedDict

import pandas as pd

# 定义数据集

examData={

'学习时间':[0.50,0.75,1.00,1.25,1.50,1.75,1.75,2.00,2.25,

2.50,2.75,3.00,3.25,3.50,4.00,4.25,4.50,4.75,5.00,5.50],

'分数':[10, 22, 13, 43, 20, 22, 33, 50, 62,

48, 55, 75, 62, 73, 81, 76, 64, 82, 90, 93]

}

# 生产有序字典

examDataOrder=OrderedDict(examData)

# 生产pandas数据表

examDF=pd.DataFrame(examDataOrder)

# 打印前5行

examDF.head()

1.提出问题

数据如上，简单打印前5行，更直观的看看是什么样子：

可以看出，这是由20行、2列构成的数据表，比较规整。对这个只有2个变量的数据，我想到的问题是，这俩之间有没有联系？是否存在因果关系？进一步说，是否存在线性关系？

2，理解数据

2.1 查看相关系数R

如图所示，相关系数R＝0.923985，说明相关程度很高。

2.2 绘制散点图

由于examDF是个二维数据，且相关系数很高，此时可绘制散点图，看看2个变量之间的相关关系和走势。

如上图所示，“学习时间”和“分数”呈现强烈的正相关的增长关系，下一步分析可考虑是否存在线性关系？若线性拟合，拟合优度怎么样？这是下一步的分析方向。

3，数据清晰

本例中的数据比较规整，经过上一步散点图验证，不需要数据清晰，略过。

4，构建模型

经过上一步的分析，两者存在强烈的正相关模型，可考虑用sklenrn进行机器学习训练，并构建一元线性回归模型。

4.1 用train_test_split训练数据

对原来的20个数据，按照8:2的比例进行了拆分，训练数据train占16个，测试数据test占4个。

接下来绘制train_test散点图，如下：

4.2 构建线性回归模型

根据上面train_test_split得出来的训练、测试数据，创建线性回归模型并用train数据进行训练：

然而却出现了报错：

报错信息中显示，需要一个2维的数据却只得到了1维数组，下面的提示中说“如果只有1个特征，请用reshape将数据形式改为(－1，1)的形式”，即只有1列的形式，如下：

如上所示，这回训练模型成功了，接下来求最佳拟合线：

绘制最佳拟合线：

5，评估模型

决定系数R平方是检验回归线拟合程度的重要指标，表示有多少的y波动可以由回归线来描述，如下：

如上，模型model的决定系数R平方等于0.8，表示绝大多数的波动都可被描述，则表示回归线的拟合度很高。

下面在一张图上绘制训练数据、测试数据和最佳拟合线，如下：

综上，可得出分析结论：

(1)“学习时间”和“分数”具有强烈的正线性相关关系，相关系数约为0.92；

(2)两者关系可以用函数“y=9.16062528319+15.96828274x”来进行预测，准确度为85%。

6.学习心得一定要一鼓作气，中间不能停！否则又要重新开始。

不能钻牛角尖！遇到了一些不懂的应以当前需要为准，python的每个库都有很多用法和功能，不可能一下全学会。逐次解决不懂的，以免被岔开而偏离了学习方向。

写一篇分享文的难度并不比学习本身小，一圈下来我发现写总结也很难，所以请看到这儿的朋友一定要以我为戒，不要拖拉，一次写完。

“完成比完美更重要”，这句来自Facebook的话一直鼓舞着我。有时候按时完成了，比追求完美而拖拖拉拉的更重要。