使用matplotlib绘制sklearn LinearRegression输出

Question

在使用numpy分隔x_values和y_values时导入文件后:

import pandas as pd
from sklearn import linear_model
from  matplotlib import pyplot 
import numpy as np

#read data
dataframe = pd.read_csv('challenge_dataset.txt')
dataframe.columns=['Brain','Body']
x_values=np.array(dataframe['Brain'],dtype=np.float64).reshape(1,-1)
y_values=np.array(dataframe['Body'],dtype=np.float64).reshape(1,-1)

#train model on data
body_reg = linear_model.LinearRegression()
body_reg.fit(x_values, y_values)
prediction=body_reg.predict(x_values)

print(prediction)
#visualize results
pyplot.scatter(x_values, y_values)
pyplot.plot(x_values,prediction)
pyplot.show()

我将绘图作为下图,它没有显示最佳拟合线,当我打印'预测'的值时,它显示的值与'y_values'相同.

相反,我使用以下代码.我得到了回归线.

#read data
dataframe = pd.read_csv('challenge_dataset.txt')
dataframe.columns=['Brain','Body']
x_values=dataframe[['Brain']]
y_values=dataframe[['Body']]

为什么会这样？

提前致谢.

Answer 1

linear_model.LinearRegression().fit(X,y) 期待它的论点

X:numpy数组或形状稀疏矩阵[n_samples,n_features]
y:numpy数组形状[n_samples, n_targets]

这里有1个"特征"和1个"目标",因此预期的输入形状将是 (n_samples,1)

虽然情况如此

x_values=dataframe[['Brain']]
y_values=dataframe[['Body']]

形状np.array(dataframe['Brain'],dtype=np.float64).reshape(1,-1)是(n_samples,).

从数据帧列中获取所需形状的另一种选择是将它们广播到具有新轴的2D阵列

x_values=dataframe['Brain'].values[:,np.newaxis]
y_values=dataframe['Body'].values[:,np.newaxis]

请注意,为了显示一个好的行,您可能希望对x值进行排序.

import pandas as pd
from sklearn import linear_model
from  matplotlib import pyplot 
import numpy as np

#read data
x = np.random.rand(25,2)
x[:,1] = 2*x[:,0]+np.random.rand(25)
dataframe = pd.DataFrame(x,columns=['Brain','Body'])


x_values=dataframe['Brain'].values[:,np.newaxis]
y_values=dataframe['Body'].values[:,np.newaxis]

body_reg = linear_model.LinearRegression()
body_reg.fit(x_values, y_values)
prediction=body_reg.predict(np.sort(x_values, axis=0))

pyplot.scatter(x_values, y_values)
pyplot.plot(np.sort(x_values, axis=0),prediction)
pyplot.show()