part01 数据预处理

第一步：导入需要的库

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

第二步：导入数据集
.csv文件以文本形式保存表格数据

datasets = pd.read_csv('Data.csv')
X = datasets.iloc[:, :-1].values
y = datasets.iloc[:, -1].values

第三步：处理丢失数据
可以使用整列的平均值或中间值替换丢失的数据；

from sklearn.impute import SimpleImputer
X[:, 1:] = SimpleImputer(strategy='mean').fit_transform(X[:, 1:])

第四步：解析分类数据
一般如yes，no这种分类数据解析为数字；

from sklearn.preprocessing import LabelEncoder, OneHotEncoder
X[:, 0] = LabelEncoder().fit_transform(X[:, 0])
X = np.concatenate((OneHotEncoder(sparse=False).fit_transform(X[:, 0].reshape(-1, 1)), X[:, 1:]), axis=1)
y = LabelEncoder().fit_transform(y)

第五步：将数据分为测试集和训练集

from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

第六步：特征缩放
可以使用特征标准化和归一化

from sklearn.preprocessing import StandardScaler
sc_x = StandardScaler()
x_train = sc_x.fit_transform(x_train)
x_test = sc_x.transform(x_test)

part02 简单线性回归

第一步：准备数据

# 导入数据集
from sklearn.datasets import load_diabetes
from sklearn.utils import shuffle
diabetes = load_diabetes()
data, target = diabetes.data, diabetes.target
# 打乱数据集
X, y = shuffle(data, target, random_state=0)
# 以8：2划分数据集和训练集
offset = int(X.shape[0] * 0.8)
# 训练集
X_train, y_train = X[:offset, :], y[:offset]
# 测试集
X_test, y_test = X[offset:, :], y[offset:]