13 KiB

Raw Permalink Blame History Unescape Escape

使用 Python 和 Scikit-learn 開始建立回歸模型

筆記作者 Tomomi Imura

課前測驗

本課程亦提供 R 語言版本！

介紹

在這四課中，你將學會如何建立回歸模型。我們稍後會談談它們的用途。但在操作之前，請確保你已準備好所有正確的工具來開始此過程！

在本課程中，你將學會如何：

為本機的機器學習任務設定電腦環境。
使用 Jupyter 筆記本。
使用 Scikit-learn，包含安裝步驟。
透過實作練習了解線性回歸。

安裝與設定

🎥 點擊上方圖片觀看快速教學影片，教你如何設定電腦環境進行機器學習。

安裝 Python。請確保你的電腦已有安裝Python。你將使用 Python 來進行許多資料科學和機器學習任務。大多數電腦系統已內建 Python。也有實用的Python 程式碼套件可用於簡化設定步驟。

不過有些 Python 程式碼需要某一版本，有些則需要其他版本，因此使用虛擬環境會很有幫助。
安裝 Visual Studio Code。確保你已在電腦上安裝了 Visual Studio Code。請依據下列指引安裝 Visual Studio Code。在本課程中你將使用 Visual Studio Code 來開發 Python 程式，因此建議你熟悉如何為 Python 開發設定 Visual Studio Code。

透過一系列學習模組熟悉 Python。

🎥 點擊上方圖片觀看如何在 VS Code 中使用 Python 的教學影片。
安裝 Scikit-learn，請依據此處說明操作。由於需要確保使用 Python 3，建議使用虛擬環境。如你是在 M1 Mac 上安裝該庫，請留意該頁面上的特別指示。
安裝 Jupyter Notebook。你需要安裝 Jupyter 套件。

你的機器學習撰寫環境

你將使用 筆記本（notebook） 來撰寫 Python 程式碼並建立機器學習模型。這類檔案是資料科學家常用的工具，檔案副檔名為 .ipynb。

筆記本是一個互動式環境，允許開發者同時撰寫程式碼、加入註記與文件，對於實驗性或研究導向的專案非常有幫助。

🎥 點擊上方圖片觀看本練習快速教學影片。

練習 - 使用筆記本

在此資料夾中，你會找到 notebook.ipynb 檔案。

在 Visual Studio Code 中打開 notebook.ipynb。

Jupyter 伺服器會啟動，使用 Python 3+。你會看到筆記本中有可執行的程式碼區塊。點擊類似播放按鈕的圖示，即可執行該區塊。
選取 md 圖示並加入 markdown，並輸入以下文字 # Welcome to your notebook。

接著，加入一些 Python 程式碼。
在程式碼區塊中輸入 print('hello notebook')。
點擊箭頭執行程式碼。

你應該會看到輸出：
```
hello notebook
```

你可以在程式碼中加入註解，以自我紀錄筆記本內容。

✅ 思考一下網頁開發者的工作環境和資料科學家的工作環境有何不同。

啟用 Scikit-learn

既然已在本機設置好 Python，且熟悉 Jupyter 筆記本，現在讓我們熟悉 Scikit-learn（發音為 sci，類似 science）。Scikit-learn 提供了豐富的 API幫助你執行機器學習任務。

根據官方網站說明：「Scikit-learn 是一個支援監督式與非監督式學習的開源機器學習函式庫。它還提供了模型擬合、資料前處理、模型選擇與評估以及其他多種工具。」

在本課程中，將會使用 Scikit-learn 與其他工具來建立我們所謂的「傳統機器學習」模型。我們刻意避免神經網路與深度學習，因為這些內容我們會在即將推出的「AI 初學者」課程中深入講解。

Scikit-learn 使建立模型與評估變得簡單。它主要針對數值資料，包含多個內建數據集作為學習工具，也提供預建模型供學生嘗試。現在讓我們先探索如何載入預先封裝的資料，並使用內建估計器來建立 Scikit-learn 的第一個機器學習模型。

練習 - 你的第一個 Scikit-learn 筆記本

本教學靈感來源於 Scikit-learn 官網的線性回歸範例。

🎥 點擊上方圖片觀看本練習的快速教學影片。

在本課程配套的 notebook.ipynb 檔案中，按下「垃圾桶」圖示清空所有儲存格。

本節將使用一個內建於 Scikit-learn 的小型糖尿病資料集作為學習素材。假設你想測試一種糖尿病病患的治療方式。機器學習模型或許能協助你根據變數組合，判斷哪些病患對治療反應較佳。即使是非常基礎的回歸模型，透過視覺化，也能顯示出哪些變數有助於設計理論性臨床試驗。

✅ 有很多種類型的回歸方法，選擇哪種取決於你想得到的答案。若你想預測某年齡對應可能身高，會使用線性回歸，因為你希望得到的是數值。若你想判別某種料理是否為純素食，則是在尋求分類，會使用邏輯斯回歸。邏輯斯回歸稍後會介紹。想一想你能問數據哪些問題，以及這些方法中哪一種更合適。

那麼我們開始吧。

載入函式庫

這個任務會用到以下函式庫：

matplotlib。這是一個實用的繪圖工具，我們將用來創建折線圖。
numpy。numpy 是 Python 中處理數值資料的好幫手。
sklearn。這是Scikit-learn 函式庫。

載入函式庫以協助完成任務。

輸入以下程式碼來加入函式庫：
```
import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets, linear_model, model_selection
```
上述程式碼匯入了 matplotlib、numpy，並從 sklearn 中匯入 datasets、linear_model 和 model_selection。model_selection 用於將資料分為訓練和測試集。

糖尿病資料集

內建的糖尿病資料集包含 442 筆與糖尿病相關的樣本資料，帶有 10 個特徵變數，部分包括：

age：年齡（歲）
bmi：身體質量指數（Body Mass Index）
bp：平均血壓
s1 tc：T 細胞（一種白血球）

✅ 此資料集將「性別」列為重要的特徵變數之一。許多醫學資料集都包含這種二元分類。請思考此類分類如何可能使某些族群在治療上被排除。

接下來，載入 X 與 y 資料。

🎓 記住，這是監督式學習，我們需要命名的目標變數 'y'。

在新程式碼區塊中，透過呼叫 load_diabetes() 載入糖尿病資料集。參數 return_X_y=True 表示 X 是資料矩陣，y 是回歸目標。

加入列印指令，顯示資料矩陣的形狀及其第一筆元素：
```
X, y = datasets.load_diabetes(return_X_y=True)
print(X.shape)
print(X[0])
```
你回傳得到的是一個元組。你把這元組前兩個元素分別指派給 X 和 y。瞭解更多元組。

你會看到此資料中有 442 筆資料，每筆有 10 個元素的陣列：
```
(442, 10)
[ 0.03807591  0.05068012  0.06169621  0.02187235 -0.0442235  -0.03482076
-0.04340085 -0.00259226  0.01990842 -0.01764613]
```
✅ 思考一下資料與回歸目標之間的關係。線性回歸旨在預測特徵 X 與目標變數 y 間的關係。你能在文件中找到糖尿病資料集的目標嗎？此資料集的目標展示了什麼？
接著，選擇資料集中的一部分繪圖，即取資料集的第 3 欄。你可以用 : 選擇所有列，然後以索引（2）選擇第 3 欄。你也可以用 reshape(n_rows, n_columns) 將資料重塑成 2D 陣列以便繪圖。如果其中一個參數是 -1，該維度會自動計算。
```
X = X[:, 2]
X = X.reshape((-1,1))
```
✅ 隨時印出資料以確認其形狀。
現在你有資料準備繪圖，可以試著讓機器判斷資料中的合理分割點。為此，你需將資料（X）與目標（y）拆分為測試與訓練套件。Scikit-learn 提供了簡便的方法來分割測試資料。
```
X_train, X_test, y_train, y_test = model_selection.train_test_split(X, y, test_size=0.33)
```
接著準備訓練模型！載入線性回歸模型，並用你的 X、y 訓練集使用 model.fit() 進行訓練：
```
model = linear_model.LinearRegression()
model.fit(X_train, y_train)
```
✅ model.fit() 是你會在很多 ML 函式庫中看到的函數，例如 TensorFlow。
接著，用測試資料建立預測，使用 predict() 函數。此預測會用於在資料群之間畫出分隔線。
```
y_pred = model.predict(X_test)
```
現在該用圖形展示資料了。Matplotlib 是完成此任務很有用的工具。使用散佈圖表現所有 X 與 y 測試資料，並利用預測來畫出模型間分群最合適的分割線。
```
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。一條直線穿過了許多小點的資料，但它到底在做什麼？你能看出應該如何使用這條線來預測一個新的、未見過的資料點在圖表的 y 軸上的相對位置嗎？試著用文字描述這個模型的實際用途。

恭喜，你建立了你的第一個線性迴歸模型，使用它做出預測，並將結果顯示在圖表上！

🚀挑戰

繪製該資料集中不同的變數。提示：編輯這一行：X = X[:,2]。考慮這個資料集的目標，你能發現糖尿病作為一種疾病的進展狀況嗎？

課後測驗

複習與自學

在本教學中，你操作的是簡單線性迴歸，而不是單變數或多變數線性迴歸。閱讀一些關於這些方法差異的資料，或者看看這則影片

多閱讀關於迴歸概念的內容，並思考這種技術可以回答哪些問題。完成這個教學來加深你的理解。

作業

另一個資料集

免責聲明：此文件已使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們努力追求準確性，但請注意自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應視為權威來源。對於關鍵資訊，建議採用專業人工翻譯。我們不對因使用此翻譯所產生的任何誤解或誤譯承擔責任。

13 KiB Raw Permalink Blame History Unescape Escape