学到老活到老，本来作为一个码农，从来都不想接触的就是深度学习相关，因为真的很累，而且花大量时间，但是最近有了一些些想法，所以开始学习了，记录一些我的笔记供大家参考！

1. 数据集获取

通过网盘分享的文件：data.csv
链接: https://pan.baidu.com/s/1fpU39J-5MsUB0JIuYpzlmw?pwd=yuer 提取码: yuer

数据集是一个csv格式的文件，可以打开预览一下，具体怎么看数据集就不用我教了吧

2.环境配置

pip install pandas
pip install sklearn
pip  install  joblib

3.问题分析

数据集打开可以看到reading_score和 writing_score，阅读分数和写作分数，现实生活中读和写相关性就比较高，因此我们可以做读和写的线性预测，通过一个人的reading_score去预测他的writing_score，而这个时候reading_score就被称作为特征向量或者特征变量，writing_score就被称作为目标向量或者目标变量

4.代码编写

4.1库的导入

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression  # 线性回归模型
from sklearn.metrics import mean_squared_error, r2_score
from sklearn.preprocessing import LabelEncoder

4.2数据导入

data = pd.read_csv('data.csv')

4.3清洗数据

先说一下为什么要清洗数据，原因很简单，因为我们的数据集经常会出现读取错误，以该项目为例，如果有考生缺考，那么他的成绩就应该为空，那么读取的时候就会出错，或者老师在填写数据表的时候因为粗心打字错误之类的导致python读取数据的时候无法读取，所以我们需要对这些数据进行清洗

那我说一下我对于本次项目数据清洗的流程，首先将所有单元格的数据去除前后空格和制表符，然后转换为数字，无法转换的值会变为NaN，然后再对于Nan以及空的值进行删除

data['reading_score'] = data['reading_score'].apply(lambda x: str(x).strip())  # 去除前后空格和制表符
data['writing_score'] = data['writing_score'].apply(lambda x: str(x).strip())
data['reading_score'] = pd.to_numeric(data['reading_score'], errors='coerce')  # 转换为数字，无法转换的值会变为NaN
data['writing_score'] = pd.to_numeric(data['writing_score'], errors='coerce')
data = data.dropna(subset=['reading_score', 'writing_score']) # 删除阅读成绩和写作成绩为空的数据

4.4定义特征变量和目标变量

# 特征变量 (reading_score)
X = data[['reading_score']]

# 目标变量 (total_score)
y = data['writing_score']

4.5划分测试集和训练集

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

各个参数的解释，偷个懒，用gpt的解释给大家看

4.6模型选择和开始训练

值得解释的是，这个项目就比较适合线性回归，线性回归一般适合于，x、y都是线性变化，比如说性别就是种类值，不是线性变化，线性变化可以是某一个区间的任意值，比如成绩可以是1-100的任意值，这种一般用线性回归就比较好，其他模型大家可以自行百度进行学习，这里不做赘述

# 初始化线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X_train, y_train)

4.7对模型的结果进行观测

模型训练了总得要有一个东西来看看效果怎么样对吧，这个时候我们刚才划分的测试集就用得上了

# 预测测试集
y_pred = model.predict(X_test)

# 评估模型
mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)

# 输出评估结果
print(f'Mean Squared Error: {mse}')
print(f'R-squared: {r2}')

mse 和 r2 是什么

mse和r2看得懂肯定是最好的，但是看不懂也没关系

4.8结果分析

4.9具体预测某个值

模型训练好了就是要用来用的，我想具体预测某一个值应该如何编写代码呢

# 预测一个新的 reading_score 对应的 writing_score
new_reading_score = [[85]]  # 新的 reading_score 值，注意需要是二维数组
predicted_writing_score = model.predict(new_reading_score)

print(f'Predicted writing score for reading score 85: {predicted_writing_score[0]}')

运行测试

4.10模型保存

import joblib
# 保存训练好的模型
joblib.dump(model, 'linear_regression_model.pkl')

至此模型的代码均已写完

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression  # 线性回归模型
from sklearn.metrics import mean_squared_error, r2_score
from sklearn.preprocessing import LabelEncoder
import joblib

# 加载数据集
data = pd.read_csv('data.csv')

# 清洗数据：去除前后空格和制表符，并将成绩列转换为数字
data['reading_score'] = data['reading_score'].apply(lambda x: str(x).strip())  # 去除前后空格和制表符
data['writing_score'] = data['writing_score'].apply(lambda x: str(x).strip())
data['reading_score'] = pd.to_numeric(data['reading_score'], errors='coerce')  # 转换为数字，无法转换的值会变为NaN
data['writing_score'] = pd.to_numeric(data['writing_score'], errors='coerce')
data = data.dropna(subset=['reading_score', 'writing_score'])  # 删除阅读成绩和写作成绩为空的数据

# 特征变量 (reading_score)
X = data[['reading_score']]  

# 目标变量 (writing_score)
y = data['writing_score']

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 初始化线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X_train, y_train)

# 预测测试集
y_pred = model.predict(X_test)

# 评估模型
mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)

# 输出评估结果
print(f'Mean Squared Error: {mse}')
print(f'R-squared: {r2}')

# 保存训练好的模型
joblib.dump(model, 'linear_regression_model.pkl')

代码运行以后桌面会生成一个pkl文件就是模型了

4.11模型调用

import joblib

# 加载模型
model = joblib.load('linear_regression_model.pkl')

# 使用加载的模型进行预测
new_reading_score = [[85]]  # 新的 reading_score 值，注意需要是二维数组
predicted_writing_score = model.predict(new_reading_score)

print(f'Predicted writing score for reading score 85: {predicted_writing_score[0]}')

5.完结撒花

学到老，活到老！