实验一 利用线性回归预测鲍鱼年龄 实验目的： 1、 理解线性回归基本原理； 2、 学会用python实现线性回归； 3、 学会用sklearn实现线性回归。 实验内容： 1、 用python编写线性回归程序，其中求解目标函数的方法是正规方程法； 2、 应用预测鲍鱼年龄数据集对上述算法进行验证，画出可视化图形，并进行分析。 3、 代码参考《机器学习实战》第8章“预测数值型数据：回归”相关内容。

实验步骤：

1、导入所需库和数据集

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

df = pd.read_csv('abalone.csv', header=None, names=['Sex', 'Length', 'Diameter', 'Height', 'Whole weight', 'Shucked weight', 'Viscera weight', 'Shell weight', 'Rings'])

2、将字符串类型的性别转换成数值型

df['Sex'] = df['Sex'].map({'M': 1, 'F': 2, 'I': 3})

3、将数据集分成训练集和测试集

train_df = df[:-1000]
test_df = df[-1000:]

4、定义线性回归模型并训练模型

X_train = train_df.drop('Rings', axis=1)
y_train = train_df['Rings']
lr = LinearRegression()
lr.fit(X_train, y_train)

5、预测测试集并计算均方误差

X_test = test_df.drop('Rings', axis=1)
y_test = test_df['Rings']
y_pred = lr.predict(X_test)
mse = np.mean((y_test - y_pred) ** 2)
print('Mean squared error:', mse)

6、可视化展示预测结果

plt.scatter(y_test, y_pred)
plt.plot([0, 30], [0, 30], '--k')
plt.xlabel('True values')
plt.ylabel('Predictions')
plt.show()

7、分析预测结果

从可视化图形上看，预测结果与真实值比较接近，但也存在一些误差。均方误差也比较小，说明模型的预测能力还是比较不错的。但需要注意的是，这里只使用了线性回归模型，可能存在欠拟合的情况，因此可以尝试使用其他更复杂的模型进行预测。