numpy - 使用scikit-learn LinearRegression绘制线性拟合

Question

我正在尝试建立线性回归模型，以根据父亲的高度预测儿子的高度

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
import seaborn as sns
%matplotlib inline
from sklearn.linear_model import LinearRegression


Headings_cols = ['Father', 'Son']
df = pd.read_csv('http://www.math.uah.edu/stat/data/Pearson.txt', 
                 delim_whitespace=True, names=Headings_cols)



X = df['Father']  
y = df['Son']  

model2 = LinearRegression()
model2.fit(y, X)

plt.scatter(X, y,color='g')
plt.plot(X, model.predict(X),color='g')

plt.scatter(y, X, color='r')
plt.plot(y, X, color='r')

我得到错误

ValueError: could not convert string to float: 'Father'

第二件事是计算儿子的平均身长，以及均值的标准误？

Answer 1

这里有两个主要问题:

从源

中获取数据

使数据成为 sklearn.LinearRegression.fit 理解

的形状

1.取出数据
源文件包含带有列名称的标题行。我们不想在数据中使用列名，因此在将整个数据读入数据帧 df后，我们可以告诉它使用第一行作为标题 df.head()。这样一来，以后就可以照常按列名查询数据帧，即 df['Father']。

2.使数据变形为
sklearn.LinearRegression.fit 有两个参数。首先是“训练数据”，它应该是一个2D数组，其次是“目标值”。在这里考虑的情况下，我们只是简单地进行拟合，因此我们不太关心这些概念，但是我们需要将对该函数的第一个输入转换为所需的形状。通过为数组之一创建新轴即可轻松完成此操作，即 df['Father'].values[:,np.newaxis]
完整的工作样本:

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
import seaborn as sns

from sklearn.linear_model import LinearRegression

df = pd.read_csv('http://www.math.uah.edu/stat/data/Pearson.txt',
                 delim_whitespace=True)
df.head() # prodce a header from the first data row


# LinearRegression will expect an array of shape (n, 1) 
# for the "Training data"
X = df['Father'].values[:,np.newaxis]
# target data is array of shape (n,) 
y = df['Son'].values


model2 = LinearRegression()
model2.fit(X, y)

plt.scatter(X, y,color='g')
plt.plot(X, model2.predict(X),color='k')

plt.show()