更多课程 选择中心

Python培训
美国上市教育机构

400-111-8989

Python培训

Python+sklearn使用线性回归算法预测儿童身高

  • 发布:Python培训
  • 来源:练习题库
  • 时间:2017-09-30 13:32

问题描述:一个人的身高除了随年龄变大而增长之外,在一定程度上还受到遗传和饮食以及其他因素的影响,本文代码中假定受年龄、性别、父母身高、祖父母身高和外祖父母身高共同影响,并假定大致符合线性关系。

import copy

import numpy as np

from sklearn import linear_model

def linearRegressionPredict(x, y):

lr = linear_model.LinearRegression()

# 拟合

lr.fit(x, y)

return lr

# 儿童年龄,性别(0女1男),父亲身高,母亲身高,祖父身高,祖母身高,外祖父身高,外祖母身高

x = np.array([[1, 0, 180, 165, 175, 165, 170, 165],\

[3, 0, 180, 165, 175, 165, 173, 165],\

[4, 0, 180, 165, 175, 165, 170, 165],\

[6, 0, 180, 165, 175, 165, 170, 165],\

[8, 1, 180, 165, 175, 167, 170, 165],\

[10, 0, 180, 166, 175, 165, 170, 165],\

[11, 0, 180, 165, 175, 165, 170, 165],\

[12, 0, 180, 165, 175, 165, 170, 165],\

[13, 1, 180, 165, 175, 165, 170, 165],\

[14, 0, 180, 165, 175, 165, 170, 165],\

[17, 0, 170, 165, 175, 165, 170, 165]])

# 儿童身高,单位:cm

y = np.array([60, 90, 100, 110,\

130, 140, 150, 164,\

160, 163, 168])

# 根据已知数据拟合最佳直线的系数和截距

lr = linearRegressionPredict(x, y)

# 查看最佳拟合系数

print('k:', lr.coef_)

# 截距

print('b:', lr.intercept_)

# 预测

xs = np.array([[10, 0, 180, 165, 175, 165, 170, 165],\

[17, 1, 173, 153, 175, 161, 170, 161],\

[34, 0, 170, 165, 170, 165, 170, 165]])

for item in xs:

# 深复制,假设超过18岁以后就不再长高了

item1 = copy.deepcopy(item)

if item1[0] > 18:

item1[0] = 18

print(item, ':', lr.predict(item1.reshape(1,-1)))

运行结果:

k: [ 8.03076923e+00 -4.65384615e+00 2.87769231e+00 -5.61538462e-01

7.10542736e-15 5.07692308e+00 1.88461538e+00 0.00000000e+00]

b: -1523.15384615

[ 10 0 180 165 175 165 170 165] : [ 140.56153846]

[ 17 1 173 153 175 161 170 161] : [ 158.41]

[ 34 0 170 165 170 165 170 165] : [ 176.03076923]

预约申请免费试听课

填写下面表单即可预约申请免费试听!怕钱不够?可就业挣钱后再付学费! 怕学不会?助教全程陪读,随时解惑!担心就业?一地学习,可全国推荐就业!

上一篇:Python抓取百度地图的数据
下一篇:五分钟入门Python自然语言处理

Python编程练习题二

Python编程练习题一

Python实现降雪效果

Python中dir()、help()的使用

选择城市和中心
黑龙江省

吉林省

河北省

湖南省

贵州省

云南省

广西省

海南省