|
|
<!--
|
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
|
{
|
|
|
"original_hash": "fa81d226c71d5af7a2cade31c1c92b88",
|
|
|
"translation_date": "2025-09-06T09:08:07+00:00",
|
|
|
"source_file": "2-Regression/1-Tools/README.md",
|
|
|
"language_code": "mo"
|
|
|
}
|
|
|
-->
|
|
|
# 使用 Python 和 Scikit-learn 建立回歸模型
|
|
|
|
|
|
|
|
|
|
|
|
> 手繪筆記由 [Tomomi Imura](https://www.twitter.com/girlie_mac) 提供
|
|
|
|
|
|
## [課前測驗](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
|
|
> ### [本課程也提供 R 版本！](../../../../2-Regression/1-Tools/solution/R/lesson_1.html)
|
|
|
|
|
|
## 簡介
|
|
|
|
|
|
在這四節課中，您將學習如何建立回歸模型。我們很快會討論這些模型的用途。但在開始之前，請確保您已準備好合適的工具來進行這個過程！
|
|
|
|
|
|
在本課程中，您將學到：
|
|
|
|
|
|
- 配置您的電腦以進行本地機器學習任務。
|
|
|
- 使用 Jupyter 筆記本。
|
|
|
- 安裝並使用 Scikit-learn。
|
|
|
- 通過實際操作探索線性回歸。
|
|
|
|
|
|
## 安裝與配置
|
|
|
|
|
|
[](https://youtu.be/-DfeD2k2Kj0 "機器學習入門 - 配置工具以建立機器學習模型")
|
|
|
|
|
|
> 🎥 點擊上方圖片觀看短片，了解如何配置您的電腦以進行機器學習。
|
|
|
|
|
|
1. **安裝 Python**。確保您的電腦已安裝 [Python](https://www.python.org/downloads/)。Python 是進行許多數據科學和機器學習任務的主要工具。大多數電腦系統已預裝 Python。也有一些 [Python 編碼包](https://code.visualstudio.com/learn/educators/installers?WT.mc_id=academic-77952-leestott) 可供使用，能簡化部分用戶的設置過程。
|
|
|
|
|
|
不過，某些 Python 的使用情境可能需要特定版本的軟件，因此建議使用 [虛擬環境](https://docs.python.org/3/library/venv.html)。
|
|
|
|
|
|
2. **安裝 Visual Studio Code**。確保您的電腦已安裝 Visual Studio Code。按照這些指示進行 [安裝 Visual Studio Code](https://code.visualstudio.com/) 的基本設置。在本課程中，您將在 Visual Studio Code 中使用 Python，因此可以先熟悉如何 [配置 Visual Studio Code](https://docs.microsoft.com/learn/modules/python-install-vscode?WT.mc_id=academic-77952-leestott) 以進行 Python 開發。
|
|
|
|
|
|
> 透過這些 [學習模組](https://docs.microsoft.com/users/jenlooper-2911/collections/mp1pagggd5qrq7?WT.mc_id=academic-77952-leestott) 熟悉 Python。
|
|
|
>
|
|
|
> [](https://youtu.be/yyQM70vi7V8 "使用 Visual Studio Code 配置 Python")
|
|
|
>
|
|
|
> 🎥 點擊上方圖片觀看短片：在 VS Code 中使用 Python。
|
|
|
|
|
|
3. **安裝 Scikit-learn**，按照 [這些指示](https://scikit-learn.org/stable/install.html) 進行安裝。由於需要使用 Python 3，建議使用虛擬環境。如果您是在 M1 Mac 上安裝此庫，請參考上述頁面中的特殊指示。
|
|
|
|
|
|
4. **安裝 Jupyter Notebook**。您需要 [安裝 Jupyter 套件](https://pypi.org/project/jupyter/)。
|
|
|
|
|
|
## 您的機器學習開發環境
|
|
|
|
|
|
您將使用 **筆記本** 來開發 Python 程式碼並建立機器學習模型。這種文件格式是數據科學家常用的工具，其文件擴展名為 `.ipynb`。
|
|
|
|
|
|
筆記本是一種互動式環境，允許開發者撰寫程式碼並添加註解或文件，這對於實驗性或研究導向的項目非常有幫助。
|
|
|
|
|
|
[](https://youtu.be/7E-jC8FLA2E "機器學習入門 - 配置 Jupyter 筆記本以開始建立回歸模型")
|
|
|
|
|
|
> 🎥 點擊上方圖片觀看短片，了解如何進行此操作。
|
|
|
|
|
|
### 練習 - 使用筆記本
|
|
|
|
|
|
在此文件夾中，您會找到文件 _notebook.ipynb_。
|
|
|
|
|
|
1. 在 Visual Studio Code 中打開 _notebook.ipynb_。
|
|
|
|
|
|
Jupyter 伺服器將啟動，並使用 Python 3+。您會看到筆記本中的一些區塊可以 `執行`，這些是程式碼片段。您可以通過選擇播放按鈕圖標來執行程式碼區塊。
|
|
|
|
|
|
2. 選擇 `md` 圖標並添加一些 Markdown，輸入以下文字 **# 歡迎來到您的筆記本**。
|
|
|
|
|
|
接下來，添加一些 Python 程式碼。
|
|
|
|
|
|
3. 在程式碼區塊中輸入 **print('hello notebook')**。
|
|
|
4. 選擇箭頭以執行程式碼。
|
|
|
|
|
|
您應該會看到以下輸出：
|
|
|
|
|
|
```output
|
|
|
hello notebook
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
您可以在程式碼中穿插註解，以自我記錄筆記本。
|
|
|
|
|
|
✅ 思考一下，網頁開發者的工作環境與數據科學家的工作環境有何不同。
|
|
|
|
|
|
## 使用 Scikit-learn 入門
|
|
|
|
|
|
現在 Python 已在您的本地環境中設置完成，並且您已熟悉 Jupyter 筆記本，接下來讓我們熟悉 Scikit-learn（發音為 `sci`，像 `science`）。Scikit-learn 提供了 [廣泛的 API](https://scikit-learn.org/stable/modules/classes.html#api-ref)，幫助您執行機器學習任務。
|
|
|
|
|
|
根據其 [官方網站](https://scikit-learn.org/stable/getting_started.html) 的描述，"Scikit-learn 是一個開源的機器學習庫，支持監督式和非監督式學習。它還提供了多種工具，用於模型擬合、數據預處理、模型選擇和評估，以及許多其他實用功能。"
|
|
|
|
|
|
在本課程中，您將使用 Scikit-learn 和其他工具來建立機器學習模型，以執行我們所稱的「傳統機器學習」任務。我們刻意避開了神經網絡和深度學習，這些內容將在即將推出的「AI 入門」課程中更詳細地介紹。
|
|
|
|
|
|
Scikit-learn 使建立模型並評估其使用變得簡單。它主要專注於使用數值數據，並包含幾個現成的數據集供學習使用。它還包括一些預建模型供學生嘗試。讓我們探索如何加載預打包數據並使用內建估算器進行第一次機器學習模型的建立。
|
|
|
|
|
|
## 練習 - 您的第一個 Scikit-learn 筆記本
|
|
|
|
|
|
> 本教程靈感來自 Scikit-learn 網站上的 [線性回歸範例](https://scikit-learn.org/stable/auto_examples/linear_model/plot_ols.html#sphx-glr-auto-examples-linear-model-plot-ols-py)。
|
|
|
|
|
|
[](https://youtu.be/2xkXL5EUpS0 "機器學習入門 - 您的第一個 Python 線性回歸項目")
|
|
|
|
|
|
> 🎥 點擊上方圖片觀看短片，了解如何進行此練習。
|
|
|
|
|
|
在與本課程相關的 _notebook.ipynb_ 文件中，按下「垃圾桶」圖標清除所有單元格。
|
|
|
|
|
|
在本節中，您將使用 Scikit-learn 中內建的關於糖尿病的小型數據集進行學習。假設您想測試一種糖尿病患者的治療方法。機器學習模型可能幫助您根據變數的組合，判斷哪些患者對治療的反應更好。即使是非常基本的回歸模型，當可視化時，也可能顯示出有助於組織理論臨床試驗的變數信息。
|
|
|
|
|
|
✅ 回歸方法有很多種類型，選擇哪一種取決於您想要回答的問題。如果您想預測某個年齡的人的可能身高，您會使用線性回歸，因為您尋求的是一個 **數值**。如果您想判斷某種菜餚是否應被視為素食，您尋求的是一個 **類別分配**，因此您會使用邏輯回歸。稍後您將學習更多關於邏輯回歸的內容。思考一下您可以向數據提出哪些問題，以及哪種方法更適合。
|
|
|
|
|
|
讓我們開始這項任務。
|
|
|
|
|
|
### 導入庫
|
|
|
|
|
|
在此任務中，我們將導入一些庫：
|
|
|
|
|
|
- **matplotlib**。這是一個有用的 [繪圖工具](https://matplotlib.org/)，我們將使用它來創建折線圖。
|
|
|
- **numpy**。 [numpy](https://numpy.org/doc/stable/user/whatisnumpy.html) 是一個處理 Python 數值數據的有用庫。
|
|
|
- **sklearn**。這是 [Scikit-learn](https://scikit-learn.org/stable/user_guide.html) 庫。
|
|
|
|
|
|
導入一些庫以幫助完成任務。
|
|
|
|
|
|
1. 輸入以下程式碼以添加導入：
|
|
|
|
|
|
```python
|
|
|
import matplotlib.pyplot as plt
|
|
|
import numpy as np
|
|
|
from sklearn import datasets, linear_model, model_selection
|
|
|
```
|
|
|
|
|
|
上述程式碼中，您導入了 `matplotlib` 和 `numpy`，並從 `sklearn` 中導入了 `datasets`、`linear_model` 和 `model_selection`。`model_selection` 用於將數據分割為訓練集和測試集。
|
|
|
|
|
|
### 糖尿病數據集
|
|
|
|
|
|
內建的 [糖尿病數據集](https://scikit-learn.org/stable/datasets/toy_dataset.html#diabetes-dataset) 包含 442 個關於糖尿病的數據樣本，具有 10 個特徵變數，其中一些包括：
|
|
|
|
|
|
- age：年齡（以年為單位）
|
|
|
- bmi：身體質量指數
|
|
|
- bp：平均血壓
|
|
|
- s1 tc：T 細胞（一種白血球）
|
|
|
|
|
|
✅ 此數據集包含「性別」作為研究糖尿病的重要特徵變數。許多醫學數據集都包含這種二元分類。思考一下，這類分類可能如何排除某些群體的治療。
|
|
|
|
|
|
現在，載入 X 和 y 數據。
|
|
|
|
|
|
> 🎓 記住，這是監督式學習，我們需要一個名為 'y' 的目標。
|
|
|
|
|
|
在新的程式碼單元格中，通過調用 `load_diabetes()` 載入糖尿病數據集。輸入 `return_X_y=True` 表示 `X` 將是數據矩陣，而 `y` 將是回歸目標。
|
|
|
|
|
|
1. 添加一些 print 命令以顯示數據矩陣的形狀及其第一個元素：
|
|
|
|
|
|
```python
|
|
|
X, y = datasets.load_diabetes(return_X_y=True)
|
|
|
print(X.shape)
|
|
|
print(X[0])
|
|
|
```
|
|
|
|
|
|
您得到的響應是一個元組。您正在將元組的前兩個值分別分配給 `X` 和 `y`。了解更多 [關於元組](https://wikipedia.org/wiki/Tuple)。
|
|
|
|
|
|
您可以看到此數據包含 442 個項目，形狀為 10 個元素的數組：
|
|
|
|
|
|
```text
|
|
|
(442, 10)
|
|
|
[ 0.03807591 0.05068012 0.06169621 0.02187235 -0.0442235 -0.03482076
|
|
|
-0.04340085 -0.00259226 0.01990842 -0.01764613]
|
|
|
```
|
|
|
|
|
|
✅ 思考一下數據與回歸目標之間的關係。線性回歸預測特徵 X 和目標變數 y 之間的關係。您能在文檔中找到糖尿病數據集的 [目標](https://scikit-learn.org/stable/datasets/toy_dataset.html#diabetes-dataset) 嗎？此數據集展示了什麼？
|
|
|
|
|
|
2. 接下來，選擇此數據集的一部分進行繪圖，選擇數據集的第三列。您可以使用 `:` 運算符選擇所有行，然後使用索引（2）選擇第三列。您還可以使用 `reshape(n_rows, n_columns)` 將數據重塑為 2D 數組——這是繪圖所需的格式。如果其中一個參數為 -1，則對應的維度會自動計算。
|
|
|
|
|
|
```python
|
|
|
X = X[:, 2]
|
|
|
X = X.reshape((-1,1))
|
|
|
```
|
|
|
|
|
|
✅ 隨時打印數據以檢查其形狀。
|
|
|
|
|
|
3. 現在您已準備好繪製數據，可以看看機器是否能幫助確定數據集中數字的邏輯分割。為此，您需要將數據（X）和目標（y）分割為測試集和訓練集。Scikit-learn 提供了一種簡單的方法，您可以在給定點分割測試數據。
|
|
|
|
|
|
```python
|
|
|
X_train, X_test, y_train, y_test = model_selection.train_test_split(X, y, test_size=0.33)
|
|
|
```
|
|
|
|
|
|
4. 現在您可以訓練模型了！載入線性回歸模型，並使用 `model.fit()` 訓練您的 X 和 y 訓練集：
|
|
|
|
|
|
```python
|
|
|
model = linear_model.LinearRegression()
|
|
|
model.fit(X_train, y_train)
|
|
|
```
|
|
|
|
|
|
✅ `model.fit()` 是一個您會在許多機器學習庫（如 TensorFlow）中看到的函數。
|
|
|
|
|
|
5. 然後，使用測試數據創建預測，使用函數 `predict()`。這將用於繪製數據組之間的分割線。
|
|
|
|
|
|
```python
|
|
|
y_pred = model.predict(X_test)
|
|
|
```
|
|
|
|
|
|
6. 現在是時候在圖中顯示數據了。Matplotlib 是完成此任務的非常有用的工具。創建所有 X 和 y 測試數據的散點圖，並使用預測在最合適的位置繪製一條線，分割模型的數據組。
|
|
|
|
|
|
```python
|
|
|
plt.scatter(X_test, y_test, color='black')
|
|
|
plt.plot(X_test, y_pred, color='blue', linewidth=3)
|
|
|
plt.xlabel('Scaled BMIs')
|
|
|
plt.ylabel('Disease Progression')
|
|
|
plt.title('A Graph Plot Showing Diabetes Progression Against BMI')
|
|
|
plt.show()
|
|
|
```
|
|
|
|
|
|
|
|
|
✅ 想一想這裡發生了什麼。一條直線穿過許多小數據點，但它究竟在做什麼？你能否看出如何利用這條直線來預測一個新的、未見過的數據點應該如何與圖表的 y 軸關係匹配？試著用語言描述這個模型的實際用途。
|
|
|
|
|
|
恭喜你，完成了第一個線性回歸模型，用它進行了預測，並在圖表中展示了結果！
|
|
|
|
|
|
---
|
|
|
## 🚀挑戰
|
|
|
|
|
|
繪製此數據集中不同的變量。提示：編輯這一行：`X = X[:,2]`。根據此數據集的目標，你能發現糖尿病作為一種疾病的進展情況嗎？
|
|
|
|
|
|
## [課後測驗](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
|
|
## 回顧與自學
|
|
|
|
|
|
在本教程中，你使用了簡單線性回歸，而不是單變量或多變量線性回歸。閱讀一些關於這些方法差異的資料，或者觀看[這段影片](https://www.coursera.org/lecture/quantifying-relationships-regression-models/linear-vs-nonlinear-categorical-variables-ai2Ef)。
|
|
|
|
|
|
深入了解回歸的概念，並思考可以用這種技術回答哪些問題。參加這個[教程](https://docs.microsoft.com/learn/modules/train-evaluate-regression-models?WT.mc_id=academic-77952-leestott)，加深你的理解。
|
|
|
|
|
|
## 作業
|
|
|
|
|
|
[不同的數據集](assignment.md)
|
|
|
|
|
|
---
|
|
|
|
|
|
**免責聲明**：
|
|
|
本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而產生的任何誤解或錯誤解讀概不負責。 |
