Yiru@Studio

 

題目:

diabetes dataset是一個糖尿病的資料集，請撰寫程式，讀取此資料集的資料，建立線性複迴歸的預測模型，輸出均方誤差（mean_squared_error, MSE）及決定係數R²。

A. 不分割資料集（Total number of examples）的情況下：

1.請填入均方誤差MSE的值（四捨五入取至小數點後第四位）？

2.請填入決定係數R²的值（四捨五入取至小數點後第四位）？

B. 在分割（Split）成訓練資料集及測試資料集，其比率為3:1，並設定亂數種子為100的情況下：

3.請填入「訓練」資料集的均方誤差MSE值（四捨五入取至小數點後第四位）？

4.請填入「測試」資料集的均方誤差MSE值（四捨五入取至小數點後第四位）？

MLD03.py

from sklearn import datasets
import pandas as pd
from sklearn.linear_model import LinearRegression
# TODO


#get x
# TODO 


#Total number of examples
# TODO 


print('Total number of examples')
print('MSE='                 )
print('R-squared='           )
#3:1 100
xTrain2, xTest2, yTrain2, yTest2=
lm2=LinearRegression()
lm2.fit(    ,    )
# TODO 



print('Split 3:1')
print('train MSE='            )
print('test MSE='             )
print('train R-squared='               )
print('test R-squared='                )

參考解答:

from sklearn import datasets
import pandas as pd
from sklearn.linear_model import LinearRegression
data = datasets.load_diabetes()
#get x
X = pd.DataFrame(data.data, columns=data.feature_names)
y = pd.Series(data.target)
#Total number of examples
model = LinearRegression()
model.fit(X, y)
y_pred = model.predict(X)
from sklearn.metrics import mean_squared_error
MSE = mean_squared_error(y, y_pred)
r2 = model.score(X, y)
print('Total number of examples')
print(f'MSE= {MSE:.4f}')
print(f'R-squared= {r2:.4f}')
#3:1 100
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=1/4, random_state=100)
model2=LinearRegression()
model2.fit(X_train, y_train)
train_pred = model2.predict(X_train)
test_pred = model2.predict(X_test)
train_MSE = mean_squared_error(y_train, train_pred)
test_MSE = mean_squared_error(y_test, test_pred)
print('Split 3:1')
print(f'train MSE= {train_MSE:.4f}')
print(f'test MSE= {test_MSE:.4f}')

 

程式解析:

# 從 sklearn 載入內建資料集模組
from sklearn import datasets

# 載入 pandas，常用來操作表格資料
import pandas as pd

# 從 sklearn 載入線性回歸模型
from sklearn.linear_model import LinearRegression

# 載入糖尿病資料集（共 442 筆資料，10 個特徵）
data = datasets.load_diabetes()

# 將特徵資料轉成 DataFrame 格式（每列為一筆樣本，每欄為一個特徵）
X = pd.DataFrame(data.data, columns=data.feature_names)

# 將標籤（目標變數）轉成 pandas Series
y = pd.Series(data.target)

# 建立線性回歸模型
model = LinearRegression()

# 使用所有資料（X 和 y）來訓練模型
model.fit(X, y)

# 使用訓練後的模型來預測 X 中的目標變數
y_pred = model.predict(X)

# 載入 MSE（均方誤差）計算工具
from sklearn.metrics import mean_squared_error

# 計算模型在訓練資料上的 MSE
MSE = mean_squared_error(y, y_pred)

# 計算模型的 R-squared（決定係數），評估模型的解釋能力
r2 = model.score(X, y)

# 輸出標題
print('Total number of examples')

# 輸出 MSE（小數點後四位）
print(f'MSE= {MSE:.4f}')

# 輸出 R-squared（小數點後四位）
print(f'R-squared= {r2:.4f}')

# 從 sklearn 載入訓練/測試資料切分工具
from sklearn.model_selection import train_test_split

# 將資料切分為訓練集與測試集，比例為 3:1（test_size=1/4），設定亂數種子為 100
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=1/4, random_state=100)

# 建立另一個線性回歸模型來對切分後的資料訓練
model2 = LinearRegression()

# 使用訓練資料訓練模型
model2.fit(X_train, y_train)

# 預測訓練資料的結果（用來評估訓練誤差）
train_pred = model2.predict(X_train)

# 預測測試資料的結果（用來評估泛化能力）
test_pred = model2.predict(X_test)

# 計算訓練資料的 MSE
train_MSE = mean_squared_error(y_train, train_pred)

# 計算測試資料的 MSE
test_MSE = mean_squared_error(y_test, test_pred)

# 輸出標題
print('Split 3:1')

# 輸出訓練資料的 MSE（小數點後四位）
print(f'train MSE= {train_MSE:.4f}')

# 輸出測試資料的 MSE（小數點後四位）
print(f'test MSE= {test_MSE:.4f}')

Yiru@Studio - 關於我 - 意如