#?-*-?coding:?utf-8?-*-

import?pandas?as?pd
import?numpy?as?np
from?sklearn.model_selection?import?train_test_split
from?sklearn.linear_model?import?LinearRegression

data?=?pd.read_csv（“cal_housing.csv“）
name?=?data.columns

X?=?data[name[:8]]??#?第1-8列
y?=?data[name[8:9]]??#?第9列

#?print（“X?name?:“?name[:8]）
#?print（“y?name?:“?name[8:9]）
#?print（data.shape?X.shape?y.shape）??#?返回行列數



seed?=?8888??#?隨機種子
proportion?=?0.1??#?測試集百分比

#?test_size：樣本占比，如果是整數的話就是樣本的數量
#?random_state：是隨機數的種子

X_train?X_test?y_train?y_test?=?train_test_split（X?y?test_size=proportion?random_state=seed）
print（X_train.shape?X_test.shape?y_train.shape?y_test.shape）

reg?=?LinearRegression（）??#?線性回歸（Linear?Regression）

res?=?reg.fit（X_train?y_train）??#?對訓練集X_train?y_train進行訓練

y_hat?=?res.predict（X_test）??#?使用訓練得到的估計器對輸入為X_test的集合進行預測得到y_hat

e?=?y_test-y_hat??#?計算殘差

SSE_cv?=?np.mean（e**2）??#?殘差平方和
SSE_test?=?np.mean（（y_test-np.mean（y_test））**2）??#?拍腦袋平方和

NMSE_cv?=?SSE_cv/SSE_test??#?標準化均方誤差?NMSE_cv
R2_cv?=?1?-?NMSE_cv??#?可決系數R2_cv


print?R2_cv
print?NMSE_cv

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件?????988391??2018-05-10?17:18??普通最小二乘法回歸源碼\cal_housing.csv

?????文件???????1336??2018-05-25?12:01??普通最小二乘法回歸源碼\ExistData.py

?????文件????????614??2018-05-25?12:07??普通最小二乘法回歸源碼\SimulateData.py

?????目錄??????????0??2018-05-25?12:08??普通最小二乘法回歸源碼

-----------?---------??----------?-----??----

???????????????990341????????????????????4