Python培训

400-111-8989

热门课程:

Python培训 > Python练习题库 > 正文

Python+sklearn使用线性回归算法预测儿童身高

发布：Python培训
来源：Python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

相关推荐

: Python IDE推荐7个你可能会错过的Python IDE

现在为Python构建的IDE真的是多的尴尬。IDLE, Komodo, LiClipse, PyCharm, Spyder, and Python Tools这六个产品因为其适用性良好，在一个应用评审中挺进最后一轮，但还有更多值得注意的IDE--有通过复杂的努力为提供的一个完整的开发系统，以及适合初学者的项目。