Python糖尿病人预测是否患癌症
统计回归分析的任务，就在于根据x1.x2,x3...xp线性回归和Y的观察值，去估计函数f,寻求变量之间近似的函数关系。
我们常用的是，假定f函数的数学形式已知，其中若干个参数未知的观察值去估计未知的参数值。这叫“参数回归”。其中应用最广泛的是f为线性函数的假设：这种情况叫“线性回归”。
自变量只有一个时，叫一元线性回归：
自变量有多个时，叫做端元线性回归。
分类(Classification)与回归(Regression)都属于监督学习，他们的区别在于：
分类：用于预测有限的离散值，如是否得了癌症(0,1)，或手写数字的判断，是0，1，2，3，4，5，6，7，8还是9等。分类中，预测的可能的结果是有限的，且提前给定的。
回归：用于预测实数值，如给定了房子的面积，地段和房间数，预测房子的价格。
LinearRegression模型在Sklearn.linear_model下，它主要通过fit(x,y),的方法来训练模型，其中x为数据的属性，y为所属类型。
sklearn中引用回归模型的代码如下：
输出的函数原型如下所示：
fit(x,y): 训练。分析模型参数，填充数据集。其中x为特征，y为标记或类属性。
Predict()：预测。它通过fit()算出的模型参数构成的模型，对解释变量进行预测其类属性。预测方法将返回预测值y_pred。
（以下我们用的数据都是再sklearn下载的）
import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets, linear_model
# 从sklearn的datasets中导入数据
diabetes = datasets.load_diabetes()
# 只用到数据集的一种特征
diabetes_x = diabetes.data[:, np.newaxis, 2]
# print(diabetes_x[0:10,])
# 将数据分成训练和测试集
diabetes_x_train = diabetes_x[:-20] #训练标记
diabetes_x_test = diabetes_x[-20:] #测试样本为后20行
#将标签分成测试和训练集
diabetes_y_train = diabetes.target[:-20] #训练样本
diabetes_y_test = diabetes.target[-20:] #预测对比标记
#回归训练及预测
regr = linear_model.LinearRegression()
regr.fit(diabetes_x_train,diabetes_y_train)
# coefficients
print('coefficients = %f\n'%float(regr.coef_))
# 均方误差（残差）
print('Residual sum of squares：%.2f'%np.mean((regr.predict(diabetes_x_test)-diabetes_y_test)**2))
# 编译指数，为1时最优
print('variance score:.2f'%regr.score(diabetes_x_test,diabetes_y_test))
# 输出图
plt.title(u'LinearRegression Diabetes') #标题
plt.xlabel(u'Attributes') #X轴坐标
plt.ylabel(u'Measure of disease') #Y轴坐标
# 点的准确位置
plt.scatter(diabetes_x_test,diabetes_y_test,color='r')
plt.plot(diabetes_x_test,regr.predict(diabetes_x_test),color='green',linewidth=3)
plt.show()
下面是对上述代码的优化，增加了斜率、截距的计算，同时增加了点图到线性方程的距离，保存图片设hi像素。
from sklearn import datasets
import numpy as np
d = datasets.load_diabetes()
x = d.data
print('获取x特征')
print(len(x),x.shape)
print(x[:4])
# 获取一个特征 第3列数据
x_one = x[:, np.newaxis, 2]
print(x_one[:4])
# 获取的正确结果
y = d.target
print('获取的结果')
print(y[:4])
# x特征划分
x_train = x_one[:-42]
x_test = x_one[-42: ]
print(len(x_train), len(x_test))
y_train = y[:-42]
y_test = y[-42:]
print(len(y_train),len(y_test))
# 线性回归实现
from sklearn import linear_model
clf = linear_model.LinearRegression()
print(clf)
clf.fit(x_train, y_train)
pre = clf.predict(x_test)
print('预测结果')
print(pre)
print('真实结果')
print(y_test)
# 第三步 评价结果
cost = np.mean(y_test-pre)**2
print('次方',2**5)
print('平方和计算:',cost)
print('系数',clf.coef_)
print('截距',clf.intercept_)
print('方差',clf.score(x_test,y_test))
# 第四步 绘图
import matplotlib.pyplot as plt
plt.title('diabetes')
plt.xlabel('x')
plt.ylabel('y')
plt.plot(x_test,y_test,'k.')
plt.plot(x_test,pre,'g-')
for idx, m in enumerate(x_test):
plt.plot([m, m],[y_test[idx],pre[idx]],'r-')
plt.savefig('power.png',dpi=300)
plt.show()
