线性回归与梯度下降

一、环境搭建

1.学习使用Anaconda：用管理员权限运行Prompt

用途方法

创建环境conda create -n my_envi_name

启动环境activate my_envi_name

检查环境内安装包conda list

安装packageconda install package_name

package 升级conda upgrade –all

package 单一升级conda update numpy

package卸载conda remove numpy

查询packageconda search numpy

还可以一步到位：比如新建一个名叫My_Deeplearning的环境，并给他安装python3.6 、pandas，可以如下：

conda create -n My_Deeplearning python=3.6pandas

保存环境(首先要确保在环境中)conda env export>environment.yaml

删除环境conda remove -n my_env_name

2.Jupyter Notebook

想要运行某ipython的notebook，在终端中，cd至下载文件ipnb的目录，然后jupyter notebook 文件名

使用Esc键，启动命令模式。

Esc+h 调出菜单。

3.线性回归Regression

“scikit-learn”包是封装了线性回归的应用包，在用它处理线性回归时，仅需要调用它的<线性回归包>就好。仅需五部完成线性回归以及预测。

“”“第一步：调用《线性回归包》””

fromsklearn.linear_modelimportLinearRegression

“”“第二步：赋值回归模型给变量”

model =LinearRegression()

“第三步：调用变量.fit函数，并给函数赋值参数X-Y,需要特别注意的是，传入模型的X和Y值，属性应该为DataFrame形式，而不是Series形式。所以如果是直接从pandas中传入某列，如data[‘交易量’]（Series Type），则传入X时，应改为X=data[[‘交易量]]（DataFrame Type）”*

model.fit(X_series,Y_series)

“第四步：给定X值，预测Y”

model.predict([New_X])