12 KiB

Raw Blame History Unescape Escape

使用 Python 和 Scikit-learn 開始回歸模型

手繪筆記由 Tomomi Imura 製作

課前小測驗

本課程亦提供 R 版本！

介紹

在這四課中，您將學習如何建立回歸模型。我們稍後會討論其用途。但在您開始之前，請確保您已備妥適用的工具來展開此流程！

在本課中，您將學會：

為本地機器學習任務配置您的電腦。
使用 Jupyter 筆記本。
使用 Scikit-learn，包括安裝。
透過實作活動探索線性回歸。

安裝與設定

🎥 點擊上方圖片觀看設定電腦進行機器學習的短片。

安裝 Python。確保您的電腦已安裝 Python。Python 被廣泛用於資料科學與機器學習工作。大多數作業系統已預裝 Python。部分用戶也可以使用有助安裝的 Python 程式包。

然而，Python 的某些用法需要特定版本，因此建議在虛擬環境中工作。
安裝 Visual Studio Code。請確保您已在電腦上安裝 Visual Studio Code。請遵循安裝 Visual Studio Code 指引完成基本安裝。此課程將在 Visual Studio Code 中使用 Python，您也可參考如何設定 Visual Studio Code以便 Python 開發。

藉由此學習模組練習熟悉 Python。

🎥 點擊上方圖片觀看在 VS Code 中使用 Python 的教學影片。
安裝 Scikit-learn，請依照此處的指引進行。請確認使用 Python 3，建議搭配虛擬環境。若您在 M1 Mac 安裝，鏈結頁面有特別說明。
安裝 Jupyter Notebook。您需要安裝 Jupyter 套件。

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。這類檔案是資料科學常用工具，副檔名為 .ipynb。

筆記本提供互動式環境，允許開發者同時撰寫程式碼及相關備註和說明，對實驗或研究導向專案非常有幫助。

🎥 點擊上方圖片觀看本練習的簡短影片。

練習 - 操作筆記本

您會在此資料夾中找到 notebook.ipynb 檔案。

在 Visual Studio Code 中開啟 notebook.ipynb。

Jupyter 伺服器將啟動並使用 Python 3+。您會發現筆記本中有可 執行 的程式碼區塊。您可點擊像播放按鈕的圖示來執行程式碼。
選擇 md 圖示，新增一些 markdown，並加入文字 # 歡迎使用您的筆記本。

接著，添加一些 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。

您應該會看到印出的訊息：
```
hello notebook
```

您可穿插程式碼與註解，為筆記本自我撰寫文件。

✅ 想想網頁開發者的工作環境與資料科學家有何不同。

使用 Scikit-learn 起步

現在 Python 已在本地環境設定完成，並熟悉了 Jupyter 筆記本，我們來熟悉 Scikit-learn（唸作 sci，像科學 science 的發音）。Scikit-learn 提供豐富的 API輔助機器學習工作。

根據其官方網站："Scikit-learn 是一個開源機器學習函式庫，支持監督式與非監督式學習，並提供模型擬合、資料預處理、模型選擇與評估等多種工具。"

在本課程中，您將使用 Scikit-learn 及其他工具來建立傳統機器學習模型。我們故意避開神經網絡與深度學習，因其將在即將推出的「初學者 AI 課程」中詳述。

Scikit-learn 使模型建立與評估簡單直接，主要針對數值資料，並包含數個準備好的資料集供學習使用，也附帶可供學生嘗試的預建模型。我們來探索以內建資料與預設估計器，如何用 Scikit-learn 建立第一個機器學習模型。

練習 - 您的第一個 Scikit-learn 筆記本

本指南靈感來自 Scikit-learn 網站上的線性回歸示範。

🎥 點擊上方圖片觀看本練習的簡短影片。

在此課程相關的 notebook.ipynb 檔中，按下「垃圾桶」圖示清除所有儲存格。

本節將使用 Scikit-learn 內建的小型糖尿病資料集。假設您想測試糖尿病患者的療法，機器學習模型有助判斷哪些患者基於變數組合會較好反應。即使是最基本的回歸模型，經視覺化後，也可呈現關於有助安排臨床試驗的變數資訊。

✅ 回歸方法有多種，選用取決於您想要的答案。若您想預測某年齡者的可能身高，會用線性回歸，因為您在尋求一個數值。若您想辨別一種料理是否為素食，您正尋求類別判定，會使用邏輯回歸；稍後會學到更多。思考您能從資料問些什麼問題，哪種方法較適合。

讓我們開始進行這個任務。

匯入函式庫

本任務將匯入以下函式庫：

matplotlib。這是一個實用的繪圖工具，我們會用來繪製線圖。
numpy。numpy 在 Python 中處理數值資料非常有用。
sklearn。這是 Scikit-learn 函式庫。

匯入這些函式庫協助您的任務。

輸入以下程式碼以加入匯入：
```
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，以及從 sklearn 匯入 datasets、linear_model 和 model_selection。model_selection 用於將資料分割為訓練與測試集。

糖尿病資料集

內建的糖尿病資料集包含 442 筆糖尿病相關資料，含 10 個特徵變數，部分如下：

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

✅ 此資料集包含名為「性別」的特徵變數，對糖尿病研究至關重要。許多醫學資料集包含此類二元分類。想想此類分類如何可能令部分族群無法接受治療。

現在，載入 X 和 y 資料。

🎓 記住，這是監督式學習，需要標記為 y 的目標。

在新程式碼儲存格中，藉由呼叫 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。

添加列印指令以顯示資料矩陣形狀及第一筆數據：
```
X, y = datasets.load_diabetes(return_X_y=True)
print(X.shape)
print(X[0])
```
您的回傳結果是一個元組。賦值將元組的前兩個值分別給 X 和 y。更多資訊參見元組介紹。

可見此資料集有 442 筆資料，每筆為包含 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]
```
✅ 思考資料與回歸目標的關係。線性回歸預測特徵 X 與目標變數 y 的關聯。在文件中能找到糖尿病資料集的目標嗎？以此目標，此資料集展示了什麼？
接著，從資料集中選擇部分資料繪圖，選擇第 3 欄資料。透過 : 選擇所有列，使用索引 (2) 選取第 3 欄。使用 reshape(n_rows, n_columns) 將資料重塑為 2D 陣列以利繪圖。若參數為 -1，對應維度將自動計算。
```
X = X[:, 2]
X = X.reshape((-1,1))
```
✅ 隨時印出資料確認其形狀。
現有資料可供繪製，您看看機器能否幫助找出資料的合適劃分。為此，需將資料 (X) 與目標 (y) 分割為測試與訓練集。Scikit-learn 提供簡單方法於指定點分割測試資料。
```
X_train, X_test, y_train, y_test = model_selection.train_test_split(X, y, test_size=0.33)
```
之後，您可訓練模型！載入線性回歸模型，並以 model.fit() 透過訓練集 X 和 y 訓練模型：
```
model = linear_model.LinearRegression()
model.fit(X_train, y_train)
```
✅ model.fit() 是許多機器學習函式庫如 TensorFlow 中常見的函式。
接著，使用測試資料利用 predict() 產生預測。此預測用於繪製資料組間的分界線。
```
y_pred = model.predict(X_test)
```
現在來展示資料的繪圖。Matplotlib 是實用工具。繪製測試集 X 和 y 的散點圖，並根據預測在最合適位置繪出模型資料分群間線條。
```
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()
```
✅ 想想這在做什麼。一條直線穿過眾多小資料點，但實際作用是？您是否能利用這條線預測新資料點在繪圖 y 軸上的位置？嘗試用語言描述此模型的實用意義。

恭喜，您建立了第一個線性回歸模型，並以其產生預測，最後顯示於圖表中！

🚀挑戰

繪製此資料集中的另一個變數。提示：編輯此行：X = X[:,2]。考慮此資料集目標，您能發現糖尿病作為疾病的進展情形？

課後小測驗

複習與自學

在本教學中，您接觸的是簡單線性回歸，而非單變量或多變量線性回歸。稍微閱讀這些方法間的差異，或觀看此影片。

詳細了解回歸的概念，並思考這種技術可以解答哪些類型的問題。進行這個教程以深化你的理解。

作業

另一個數據集

免責聲明：本文件使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們力求準確，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被視為權威來源。對於重要資訊，建議尋求專業人工翻譯。我們不對因使用本翻譯而引起的任何誤解或曲解承擔責任。

12 KiB Raw Blame History Unescape Escape