Data_Analysis/linearRegression.py at master · Jorfun/Data_Analysis · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
#身高，体重，肺活量， 50 米跑，立定跳远，坐位体前屈 -> 长跑成绩
#只针对女同学

# 导入
import numpy as np
import matplotlib.pyplot as plt
from openpyxl import load_workbook


# 读取excel中的数据，返回训练集和测试集的输入、输出数组
def loadData():

    # 读取excel
    wb = load_workbook(filename='female(all).xlsx', read_only=True)
    ws = wb['Sheet1']

    # trainMat：训练集输入    testMat：测试集输入
    # trainTargetMat：训练集输出    testTargetMat：测试集输出
    trainMat = []
    testMat = []
    trainTargetMat = []
    testTargetMat = []


    # 读取excel中的数据
    for idx,row in enumerate(ws.rows):

        # 跳过第一行列名的读取
        if(idx == 0):
            continue

        # 方便之后矩阵运算
        vec = [1.0]

        # 把每行数据的输出和输入存在不同的列表中
        for cell in row:

            if(cell.column == 7):
                # 将原本的跑步成绩转换成秒
                temp = cell.value
                minASec = temp.split('\'')
                temp = int(minASec[0]) * 60 + int(minASec[1])

                # 训练集与测试集输出的划分
                if(idx <= 1500):
                    trainTargetMat.append(temp)
                else:
                    testTargetMat.append(temp)

            else:
                vec.append(cell.value)

        # 训练集与测试集输入的划分
        if(idx <= 1500):
            trainMat.append(vec)
        else:
            testMat.append(vec)


    return trainMat, trainTargetMat, testMat, testTargetMat


# 对数据进行特征归一化处理
def normalize(x):
    xMin = x.min(axis=0)
    xMax = x.max(axis=0)
    range =  xMax - xMin
    range[0] = 1
    xMin[0] = 0
    x_norm = (x - xMin) / range

    return x_norm


# 梯度下降
def gradDescent(dataMatIn, targetMatIn):

    # 将python的list转换成numpy的ndarray，同时将输入的特征向量规范化
    x = np.array(dataMatIn)
    x_norm = normalize(x)
    print(x_norm)
    xTrans = x_norm.transpose()
    y = np.array(targetMatIn)

    alpha = 0.9
    numIterations = 3000
    m,n = x_norm.shape
    theta = np.ones(n)

    # 用于后面画图表示梯度下降的过程
    JTheta = []

     # 每次循环更新theta时，都使用所有的训练数据
    for i in range(0, numIterations):
        hypothesis = np.dot(x_norm, theta)
        # print("hypothesis")
        # print(hypothesis)
        # print("y")
        # print(y)
        loss = hypothesis - y
        # 计算J(theta) - 平均每个输入相对于当前theta的代价
        cost = np.sum(loss ** 2) / (2 * m)
        JTheta.append(cost)
        print("Iteration %d | Cost: %f" % (i, cost))
        # 计算梯度
        gradient = np.dot(xTrans, loss) / m
        # 更新theta值
        theta = theta - alpha * gradient
        #print("theta", theta)

    return theta, JTheta


# 将模型用于测试数据集，观察每个输入的预测输出与真实值得差别
def testModel(theta, testMat, testTargetMat):

    # 将python的list转换成numpy的ndarray，同时将输入的特征向量规范化
    x = np.array(testMat)
    x_norm = normalize(x)
    y = np.array(testTargetMat)

    predict = np.dot(x_norm, theta)
    loss = predict - y

    return loss


#训练和测试模型，绘图
a1,a2,a3,a4 = loadData()
theta, JTheta = gradDescent(a1,a2)
print(theta)
costValues = testModel(theta,a3,a4)
# print(costValues)


# 画出梯度下降过程中代价函数值随迭代过程的变化
# plt.plot(JTheta, linewidth=1.0)
# plt.ylabel('cost function')
# plt.xlabel('iteration times')
# plt.show()


# 画出将模型用于测试数据时，预测值与真实值之间的偏差情况
# costValues = testModel(theta,a3,a4)
# print(costValues)
# plt.plot(costValues, 'ro')
# plt.ylabel('differential')
# plt.xlabel('test input')
# plt.show()


# 同时画出上面两个图
plt.figure(1)
plt.subplot(211)
plt.plot(JTheta, linewidth=1.0)
plt.ylabel('cost function')
plt.xlabel('iteration times')

plt.subplot(212)
plt.plot(costValues, 'ro')
plt.ylabel('differential')
plt.xlabel('test input')
plt.show()