波士頓房地產雲端評估(一)

線性回歸分析: Property value prediction

此檔案使用scikit-learn 機器學習套件裡的linear regression演算法，來達成波士頓房地產價錢預測

1. 資料集：波士頓房產

2. 特徵：房地產客觀數據，如年份、平面大小

3. 預測目標：房地產價格

4. 機器學習方法：線性迴歸

5. 探討重點：10 等分的交叉驗証(10-fold Cross-Validation)來實際測試資料以及預測值的關係

6. 關鍵函式： sklearn.cross_validation.cross_val_predict；joblib.dump；joblib.load

(一)引入函式庫及內建波士頓房地產資料庫

引入之函式庫如下

1. sklearn.datasets: 用來匯入內建之波士頓房地產資料庫

2. sklearn.cross_val_predict: 使用交叉驗證用來評估辨識準確度

3. sklearn.linear_model: 線性分析之模組

4. matplotlib.pyplot: 用來繪製影像

from sklearn import datasets
from sklearn.cross_validation import cross_val_predict
from sklearn import linear_model
import matplotlib.pyplot as plt

lr = linear_model.LinearRegression()
# The boston dataset
boston = datasets.load_boston()
y = boston.target

使用linear_model.LinearRegression()將線性迴歸分析演算法引入到lr。 使用datasets.target將士頓房地產資料的預測數值匯入到y。 使用 datasets.load_boston() 將資料存入， boston 為一個dict型別資料，我們看一下資料的內容。

顯示	說明
('data', (506, 13))	房地產的資料集，共506筆房產13個特徵
('feature_names', (13,))	房地產的特徵名
('target', (506,))	回歸目標
DESCR	資料之描述

(二)cross_val_predict的使用

sklearn.cross_validation.cross_val_predict(estimator, X, y=None, cv=None, n_jobs=1, verbose=0, fit_params=None, pre_dispatch='2*n_jobs')

X為機器學習數據， y為回歸目標， cv為交叉驗証時資料切分的依據，範例為10則將資料切分為10等分，以其中9等分為訓練集，另外一等分則為測試集。

predicted = cross_val_predict(lr, boston.data, y, cv=10)

(三)使用joblib.dump匯出預測器

from sklearn.externals import joblib

joblib.dump(lr,"./lr_machine.pkl")

使用joblib.dump將線性回歸預測器匯出為pkl檔。

(四)訓練以及分類

接著使用lr=joblib.load("./lr_machine.pkl")將pkl檔匯入為一個linear regression預測器lr。接著使用波士頓房地產數據(boston.data)，以及預測目標(y)來訓練預測機lr lr.fit(boston.data, y)。最後，使用predict_y=lr.predict(boston.data[2])預測第三筆資料的價格，並將結果存入predicted_y變數。

lr=joblib.load("./lr_machine.pkl")
lr.fit(boston.data, y)
predict_y=lr.predict(boston.data[2])

(五)繪出預測結果與實際目標差異圖

X軸為預測結果，Y軸為回歸目標。 並劃出一條斜率=1的理想曲線(用虛線標示)。

紅點為房地產第三項數據的預測結果。

plt.scatter(predicted,y,s=2)
plt.plot(predict_y, predict_y, 'ro')
plt.plot([y.min(), y.max()], [y.min(), y.max()], 'k--', lw=2)
plt.xlabel('Predicted')
plt.ylabel('Measured')

(六)完整程式碼

%matplotlib inline
from sklearn import datasets
from sklearn.cross_validation import cross_val_predict
from sklearn import linear_model
import matplotlib.pyplot as plt

lr = linear_model.LinearRegression()
boston = datasets.load_boston()
y = boston.target
# cross_val_predict returns an array of the same size as `y` where each entry
# is a prediction obtained by cross validated:
predicted = cross_val_predict(lr, boston.data, y, cv=10)
from sklearn.externals import joblib

joblib.dump(lr,"./lr_machine.pkl")
lr=joblib.load("./lr_machine.pkl")
lr.fit(boston.data, y)
predict_y=lr.predict(boston.data[2])
plt.scatter(predicted,y,s=2)
plt.plot(predict_y, predict_y, 'ro')
plt.plot([y.min(), y.max()], [y.min(), y.max()], 'k--', lw=2)
plt.xlabel('Predicted')
plt.ylabel('Measured')