Contents
2-10 線性迴歸(一)
2-10-1 應用線性迴歸於糖尿病資料集
2-10-2 線性迴歸應用於NBA資料集
2-11 線性迴歸（二）_糖尿病預測
2-12 嶺迴歸、Lasso迴歸與elasticnet
2-12-2 Lasso迴歸與Elastic Net
2-13 支持向量機迴歸與決策樹迴歸
2-13-2 決策樹迴歸
2-14 迴歸演算法比較_房屋實價登錄資料集預測比較
2-10 線性迴歸(一)
線性迴歸（linear regression）
- 利用最小平方函數對一個或多個自變數和應變數之間關係進行建模
- 只有一個自變數的情況稱為簡單迴歸，大於一個自變數情況的叫做多元迴歸（multivariable linear regression）
- 線性迴歸模型經常用最小平方逼近來擬合，或使用最小絕對誤差迴歸、橋迴歸中最小化最小平方損失函數的懲罰
LinearRegression
- LinearRegression使用係數w =（w1，…，wp）擬合線性模型，以最小化數據集中觀察到的目標與通過線性近似預測的目標之間的平方餘數和
- fit(X, y[, sample_weight]):訓練模型，可以設定各sample_weight(權重)
- predict(X):使用線性模型進行預測
- score(X, y[, sample_weight]):返回預測的確定係數R ^ 2
補充說明
2-10-1 應用線性迴歸於糖尿病資料集
操作實例：線性迴歸應用於糖尿病資料集
2-10-1線性迴歸應用於糖尿病資料集
2-10-2 線性迴歸應用於NBA資料集
設計說明
- 請使用線性迴歸預測方式撰寫程式，讀取NBApoints.csv，此資料收集了NBA球員的資訊