本篇文章中，我們用 Python 代碼寫個小程序，根據(jù)出生時的body mass index（BMI）數(shù)據(jù)，使用線性回歸來預測壽命。在這之前，我們先準備一下建立這個模型所需要的必要工具。
在這個線性回歸模型中，需要用到scikit-learn庫的 LinearRegression class，這個 class 提供了fit()函數(shù)，它根據(jù)所輸入的數(shù)據(jù)來匹配模型，以下是基本的使用方法：
>>> fromsklearn.linear_modelimportLinearRegression
>>> model = LinearRegression()
>>> model.fit(x_values, y_values)
上面的例子中，model 變量是線性回歸的模型，x_values 和 y_values 作為訓練數(shù)據(jù)輸入，model 根據(jù) x_values 和 y_values 進行調(diào)整。“調(diào)整”的意思是——找到一條最佳的“線”能夠和訓練數(shù)據(jù)進行匹配。之后我們就可以使用 predict() 函數(shù)進行預測。
>>> print(model.predict([ [127], [248] ]))
[[438.94308857,127.14839521]]
predict() 函數(shù)返回一個預測結果的數(shù)組，里面的元素就是預測的結果，分別對應輸入數(shù)組中的元素。對于第一個輸入——[127]，返回的預測值為438.94308857，第二個輸入——[248]，返回的預測值為127.14839521。輸入數(shù)組中的元素使用[127]格式，而不是127，是因為我們可以用多個數(shù)據(jù)的組合進行預測。以后我們會在線性回歸中使用多個數(shù)據(jù)，現(xiàn)在我們先使用一個數(shù)據(jù)值。
實踐
在這個實踐中，我們會用到以下數(shù)據(jù)集：“各國家人的平均壽命” 和 “各國家男性的平均BMI”，這些數(shù)據(jù)來自 Gapminder。
假設數(shù)據(jù)集存儲在 “bmi_and_life_expectancy.csv” 文件中。這份數(shù)據(jù)包含三個字段：country（國家）、Life expectancy（壽命）、BMI（一個小孩出生時的BMI）。我們會根據(jù)BMI來預測壽命。
完整代碼如下：
# 導入 pandas庫 和 LinearRegression類
import pandas as pd
from sklearn.linear_model import LinearRegression
# 使用 pands 的 read_csv 函數(shù)把數(shù)據(jù)加載到 dataframe 中
#將 dataframe 賦值給 bmi_life_data 變量
bmi_life_data = pd.read_csv("bmi_and_life_expectancy.csv")
#使用 scikit-learn 的 LinearRegression 建立一個回歸模型，并賦值給 bmi_life_model
bmi_life_model = LinearRegression()
bmi_life_model.fit(bmi_life_data[['BMI']], bmi_life_data[['Life expectancy']])
# 使用 21.07931這個 BMI 進行預測，并將結果賦值給 laos_life_exp 變量。
laos_life_exp = bmi_life_model.predict(21.07931)
print(laos_life_exp)
print輸出的就是預測后的結果60.31564716。
使用線性回歸中時要注意
線性回歸是基于一系列的假設，并不適用于所有的場景，有些問題你應該要注意。
線性回歸適用于數(shù)據(jù)是線性的情況
線性回歸是從訓練數(shù)據(jù)中找到一條匹配的直線。如果訓練數(shù)據(jù)中的數(shù)據(jù)之間的關系并不是線性的，那么你需要做一些調(diào)整（轉換你的訓練數(shù)據(jù)），或者使用其他類型的模型。
線性回歸對異常值敏感
線性回歸嘗試找到一條最匹配訓練數(shù)據(jù)的直線。如果你的數(shù)據(jù)集中有一些極度偏差的數(shù)據(jù)（與一般的模式不匹配），會導致相差很大的結果。
下面的
![Uploading AA5DBE35-C653-4CC9-ACEC-B1B89CB565DF_605091.png . . .]
圖，模型與數(shù)據(jù)匹配得非常好
然而，添加了一些異常值之后（與模型不匹配），對模型的預測有很大的影響，如下圖：
通常，你希望一個模型能夠匹配大多數(shù)的數(shù)據(jù)，但一定要注意這些異常值。
