线性回归数值型预测：预测鲍鱼的年龄 ，源码以及数据

线性回归数值型预测：预测鲍鱼的年龄 压缩文件中包含源码以及训练数据、测试数据

#!/usr/bin/python
# -*- coding utf-8 -*-
# Project: Regression
# Author: jiangnan 
# Mail: jiangnanmax@gmail.com
# Date: 2018/10/13

import numpy as np

def loadTrainData（filename）:
    “““
    函数说明：
        加载训练数据
    :param filename:
        文件名
    :return:
        xArray - x数据集，即为每个训练样本的特征参数
        yArray - y数据集，即为每个训练样本的年龄
    “““
    featNum = len（open（filename）.readline（）.split（‘‘）） - 2 # 特征参数的个数，其中舍掉了第一个性别特征

    file = open（filename）
    xArray = []
    yArray = []
    for line in file.readlines（）:
        tempLine = line.strip（）.split（‘‘）
        ‘‘‘
        if tempLine[0] == ‘M‘:
            tempLine[0] = ‘1‘
        elif tempLine[0] == ‘F‘:
            tempLine[0] = ‘-1‘
        else:
            tempLine[0] = ‘0‘
        ‘‘‘
        del（tempLine[0]）

        xArr = []
        for i in range（featNum）:
            xArr.append（float（tempLine[i]））
        xArray.append（xArr）
        yArray.append（float（tempLine[-1]））

    return xArray yArray

def loadTestData（filename）:
    “““
    函数说明：
        加载测试数据
    :param filename:
        文件名
    :return:
        xArray - x数据集，即为每个测试样本的特征参数
    “““
    featNum = len（open（filename）.readline（）.split（‘‘）） - 1 # 特征参数的个数，其中舍掉了第一个性别特征

    file = open（filename）
    xArray = []
    for line in file.readlines（）:
        tempLine = line.strip（）.split（‘‘）
        ‘‘‘
        if tempLine[0] == ‘M‘:
            tempLine[0] = ‘1‘
        elif tempLine[0] == ‘F‘:
            tempLine[0] = ‘-1‘
        else:
            tempLine[0] = ‘0‘
        ‘‘‘
        del（tempLine[0]）

        xArr = []
        for i in range（featNum）:
            xArr.append（float（tempLine[i]））
        xArray.append（xArr）

    return xArray

def lwlRegression（testPoint xArr yArr k=1.0）:
    “““
    函数说明：
        使用局部加权线性回归计算回归系数w
    :param testPoint:
        测试样本
    :param xArr:
        x训练数据集
    :param yArr:
        y训练数据集
    :param k:
        高斯核的k值，默认为1.0，可自定义
    :return:
        testPoint * ws - 计算得到的系数w对测试样本的预测值
    “““
    xMat = np.mat（xArr）
    yMat = np.mat（yArr）.T
    m = np.shape（xMat）[0]
    weights = np.mat（np.eye（（m）））
    for i in range（m）:
        diffMat = testPoint - xMat[i :]
        weights[i i] = np.exp（diffMat * diffMat.T / （-2.0 * k ** 2））
    xTx = xMat.T * （weights * xMat）
    if np.linalg.det（xTx） == 0.0:
        print（“不能求逆!“）
        return

    ws = xTx.I * （xMat.T * （weights * yMat））
    return testPoint * ws


def RegressionTest（testArr xArr yArr k=1.0）:
    “““
    函数说明：
        局部加权线性回归测试
    :param testArr:
        测试数据集
    :param xArr:
        x训练数据集
    :param yArr:
        y训练数据集
    :param k:
        高斯核的k值，默认为1.0，可自定义
    :return:
        yHat - 测试集合的所有预测值
    “““
    m = np.shape（testArr）[0]
    yHat = np.zeros（m）
    for i in range（m）:
        yHat[i] = lwlRegression（testArr[i] xArr yArr k）
    return yHat

def main（）:
    “““
    函数说明：
        主函数，综合调用上述功能函数完成工作
    “““
    trainX trainY = loadTrainData（‘train.txt‘）;
    testX = loadTestData（‘test.txt‘）

    yHat = Regre

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-10-28 16:42  Regression\
     文件        3667  2018-10-18 19:06  Regression\Regression.py
     文件        6148  2018-10-28 16:41  Regression\.DS_Store
     目录           0  2018-10-28 16:42  __MACOSX\
     目录           0  2018-10-28 16:42  __MACOSX\Regression\
     文件         120  2018-10-28 16:41  __MACOSX\Regression\._.DS_Store
     文件      156908  2017-11-15 10:27  Regression\train.txt
     文件         228  2017-11-15 10:27  __MACOSX\Regression\._train.txt
     文件       32768  2017-11-15 10:27  Regression\test.txt
     文件         228  2017-11-15 10:27  __MACOSX\Regression\._test.txt
     文件         172  2018-10-28 16:42  __MACOSX\._Regression