13 KiB

Raw Blame History Unescape Escape

使用 Python 與 Scikit-learn 建立迴歸模型入門

筆記作者：Tomomi Imura

課前測驗

本課程亦提供 R 版本！

介紹

這四堂課將帶你學習如何建立迴歸模型，稍後會討論其用途。但在開始之前，請先確認你已準備好正確的工具！

本課程你將學習：

配置你的電腦以執行本地機器學習任務。
使用 Jupyter 筆記本。
使用 Scikit-learn，包括安裝步驟。
藉由實作了解線性迴歸。

安裝與設定

🎥 點擊上方圖片觀看設定電腦環境的短片。

安裝 Python。請確定你的電腦已安裝 Python。你將在許多資料科學與機器學習任務中使用 Python。大多電腦系統內建 Python。也有實用的 Python 編碼套件可協助部分用戶快速安裝。

不同用途的 Python 可能需要不同版本，因此使用虛擬環境非常有幫助。
安裝 Visual Studio Code。請確定你的電腦已安裝 Visual Studio Code。依照這裡的指示安裝 Visual Studio Code 作基本安裝。課程中將於 Visual Studio Code 內使用 Python，建議熟悉如何設定 Visual Studio Code 以便 Python 開發。

透過這系列的學習模組熟悉 Python。

🎥 點擊上方圖片觀看在 VS Code 內使用 Python 的影片。
安裝 Scikit-learn，請依照此處指示操作。因需使用 Python 3，建議使用虛擬環境。如於 M1 Mac 安裝，頁面中有特殊指引。
安裝 Jupyter Notebook。你需要安裝 Jupyter 套件。

你的機器學習開發環境

你將使用 筆記本（notebooks） 來撰寫 Python 程式碼並建立機器學習模型。這種檔案常見於資料科學家工具，副檔名為 .ipynb。

筆記本提供互動環境，允許開發者同時撰寫程式碼、加筆記與文件，對實驗或研究專案非常有用。

🎥 點擊上方圖片觀看完成此練習的短片。

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 中開啟 notebook.ipynb。

Jupyter 伺服器隨即啟動並運行 Python 3+。你會看到筆記本中可 run 的程式碼區塊。按右側播放按鈕執行該段程式碼。
選擇 md 圖示並加入一些 markdown，輸入文字 # 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')。
按下播放箭頭執行程式。

你會看到輸出的結果：
```
hello notebook
```

你可在程式碼中插入註解，自我記錄筆記本內容。

✅ 思考一下，網頁開發者的工作環境與資料科學家的工作環境有何不同？

使用 Scikit-learn 順利啟動

現在你的本地環境已設置好 Python，並熟悉 Jupyter 筆記本，接著讓我們熟悉 Scikit-learn（讀作「sci」，如同 science）。Scikit-learn 提供完整的 API 協助你執行機器學習任務。

根據他們的網站描述，「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，提供模型擬合、資料前處理、模型選擇與評估等多種工具及許多實用功能。」

在本課程中，你將利用 Scikit-learn 與其它工具來建立我們所稱的「傳統機器學習」模型。我們刻意避免使用神經網路與深度學習，這面向將在未來的「AI 初學者」課程中深入介紹。

Scikit-learn 讓建立與評估模型變得簡單。它主要針對數值資料，並包含多組內建數據供學習使用，也提供預建模型供學生嘗試。讓我們一起探索如何載入預打包資料並使用內建估算器，藉此用 Scikit-learn 建立你的第一個機器學習模型並使用基本資料。

練習 - 你的第一個 Scikit-learn 筆記本

本教學靈感來自 Scikit-learn 網站上的線性迴歸範例。

🎥 點擊上方圖片觀看完成此練習的短片。

在本課程所附的 notebook.ipynb 檔案中，按下「垃圾桶」圖示清空所有儲存格。

在此階段，你會使用 Scikit-learn 內建的小型糖尿病數據集作為學習範例。假設你想測試一項糖尿病治療方案。機器學習模型或可幫助判斷有哪些病患基於各項變數組合，反應會較佳。即使是非常基礎的迴歸模型，視覺化後亦能顯示某些變數訊息，有助你規劃理論性臨床試驗。

✅ 迴歸方法種類繁多，選擇哪種取決於你想要的答案。例如，若你想依年齡預測某人可能的身高，因為你需要的是數值，就會用線性迴歸。若你想判別某料理類型是否為純素，則屬於 類別分配，會用邏輯迴歸。後面你會學到邏輯迴歸。想一想可向資料提出的問題及較適合的迴歸類型。

讓我們開始這個任務吧。

載入函式庫

本任務中我們將載入以下函式庫：

matplotlib，一個實用的繪圖工具，用來產生線圖。
numpy，numpy 是處理 Python 中數值資料的實用函式庫。
sklearn，也就是 Scikit-learn 函式庫。

載入函式庫協助完成你的任務。

輸入以下程式碼新增 import：
```
import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets, linear_model, model_selection
```
上述程式碼載入了 matplotlib、numpy，並從 sklearn 載入 datasets、linear_model 及 model_selection。其中，model_selection 用來將資料切分成訓練集與測試集。

糖尿病數據集

內建的糖尿病數據集含有 442 筆有關糖尿病的資料樣本，共有 10 個特徵變數，其中包括：

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）

✅ 此數據集包含『性別』特徵，此為糖尿病研究的重要分類。許多醫療數據集都含此類二元分類。思考一下這類分類可能導致哪些族群被排除於治療之外。

現在，載入 X 與 y 的資料。

🎓 記住，這是監督式學習，我們需要一個命名為 'y' 的目標變數。

在新程式碼儲存格中，呼叫 load_diabetes() 載入糖尿病數據集。輸入參數 return_X_y=True 表示 X 會是一個資料矩陣，y 則是迴歸目標。

新增 print 命令輸出資料矩陣形狀與首項：
```
X, y = datasets.load_diabetes(return_X_y=True)
print(X.shape)
print(X[0])
```
你取得的回傳值為一個元組，程式是將元組中的前兩個值分別指派給 X 和 y。更多資料可參考關於元組。

你會看到資料包含 442 筆、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]
```
✅ 思考資料與迴歸目標間的關聯。線性迴歸預測 X 特徵與目標變數 y 間的關係。可在文件中找到糖尿病數據集的目標？目標為何？數據集展示了什麼？
接著，從數據集中擇一部分作繪圖，選出第 3 欄。透過 : 選出所有列，使用索引 (2) 取得第三欄資料。你也可以用 reshape(n_rows, n_columns) 將資料重塑為二維陣列，繪圖時需要。當參數設為 -1，維度將自動計算。
```
X = X[:, 2]
X = X.reshape((-1,1))
```
✅ 隨時印出資料檢查其形狀。
資料已準備好繪圖後，可以讓機器判斷資料間合理的區分點。為此，將資料（X）和目標（y）同時分為訓練集與測試集。Scikit-learn 提供簡單方法，能在指定位置分割測試資料。
```
X_train, X_test, y_train, y_test = model_selection.train_test_split(X, y, test_size=0.33)
```
現在準備訓練模型！載入線性迴歸模型，使用 model.fit() 用 X 與 y 的訓練資料訓練模型：
```
model = linear_model.LinearRegression()
model.fit(X_train, y_train)
```
✅ model.fit() 是許多機器學習函式庫，如 TensorFlow 中常見的函數。
接著，使用測試資料呼叫 predict() 函數預測，將用以繪製資料群的分界線。
```
y_pred = model.predict(X_test)
```
現在該在圖中呈現資料了。Matplotlib 是個非常實用的工具。繪製所有 X 與 y 測試資料的散佈圖，並利用預測結果繪製一條分界線，劃分模型資料群。
```
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()
```
✅ 思考此圖所呈現的意義。一直線穿越許多小點，但它究竟在做什麼？你能理解這條線的用途，能用來預測新資料點在 y 軸上的對應位置？試著用自己的話描述此模型的實際用途。

恭喜，你成功建立你的第一個線性迴歸模型，並用它做出預測，最後用圖形顯示結果！

🚀 挑戰

從此數據集中繪製不同的變數。提示：修改此行 X = X[:,2]。根據該資料集的目標，你能發現糖尿病作為疾病的進展情況嗎？

課後測驗

複習與自學

教學中你使用了簡單線性迴歸，而非單變量或多元線性迴歸。可閱讀它們間差異，或觀賞此影片

進一步了解迴歸的概念，並思考這種技術能回答什麼樣的問題。請參加這個教學以加深你的理解。

作業

不同的資料集

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 Blame History Unescape Escape