实战python利用线性回归来预测鲍鱼年龄

利用线性回归和局部加权线性回归分别来预测鲍鱼年龄，充分感知两种方法的优劣点。

# -*- coding: utf-8 -*-
“““
Created on Fri May  4 10:53:58 2018

@author: FZ
“““

import function
import numpy as np

abXabY = function.loadDataSet（‘abalone.txt‘）

#locally weighted linear regression
yHat01 = function.lwlrTest（abX[0:99]abX[0:99]abY[0:99]0.1） #training set #0-99
yHat1 = function.lwlrTest（abX[0:99]abX[0:99]abY[0:99]1）
yHat10 = function.lwlrTest（abX[0:99]abX[0:99]abY[0:99]10）

#error
error01 = function.rssError（abY[0:99]yHat01.T）   #56.820227823572182
error1 = function.rssError（abY[0:99]yHat1.T）   #429.89056187016683
error10 = function.rssError（abY[0:99]yHat10.T）   #549.1181708825128


#generalization 
yHat01g = function.lwlrTest（abX[100:199]abX[100:199]abY[100:199]0.1） #test set #100-199
yHat1g = function.lwlrTest（abX[100:199]abX[100:199]abY[100:199]1）
yHat10g = function.lwlrTest（abX[100:199]abX[100:199]abY[100:199]10）

#error
error01g = function.rssError（abY[100:199]yHat01g.T）   #36199.797699875046
error1g = function.rssError（abY[100:199]yHat1g.T）   #231.81344796874004
error10g = function.rssError（abY[100:199]yHat10g.T）   #291.87996390562728

#compare
#k = 0.1 overfitting


#linear regression
ws = function.standRegres（abX[0:99]abY[0:99]）
yHat = np.mat（abX[100:199]）*ws
errorlr = function.rssError（yHat.T.AabY[100:199]）   #518.63631532510897

#compare
#lwlr is better than lr

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-05-04 11:09  8.3_predict_abalone_age\__pycache__\
     文件        1874  2018-05-04 11:09  8.3_predict_abalone_age\__pycache__\function.cpython-36.pyc
     文件      197357  2011-01-19 17:17  8.3_predict_abalone_age\abalone.txt
     文件        1378  2018-05-04 11:27  8.3_predict_abalone_age\do_prediction.py
     文件        2648  2018-05-04 11:09  8.3_predict_abalone_age\function.py