#首先建立一个数据集，也是之后用来训练和测试的数据
#导入包，创建数据集
from collections import OrderedDict
import pandas as pd
examDict={
    '学习时间':[0.50,0.75,1.00,1.25,1.50,1.75,1.75,2.00,2.25,
            2.50,2.75,3.00,3.25,3.50,4.00,4.25,4.50,4.75,5.00,5.50],
    '分数':    [10,  22,  13,  43,  20,  22,  33,  50,  62,  
              48,  55,  75,  62,  73,  81,  76,  64,  82,  90,  93]
}
examOrderDict=OrderedDict(examDict)
exam=pd.DataFrame(examOrderDict)
#看看数据集长什么样
exam.head()

谢谢分享

#看看数据集长什么样
print(exam.head())

分数        学习时间
0        10        0.50
1        22        0.75
2        13        1.00
3        43        1.25
4        20        1.50

2 （通过画图）看看适不适合用线性回归的模型

#接下来大致看一下特征和标签之间的关系
#然后来判断是否适合使用简单线性回归模型
#如果不适合，就换用其他模型
#这里是举例，是可以用的
#特征是学习时间，标签是分数
#用散点图看一下大致情况

#从dataframe中把标签和特征导出来
exam_X = exam['学习时间']
exam_Y = exam['分数']

#绘制散点图

#导入包
import matplotlib.pyplot as plt
#绘制散点图
plt.scatter(exam_X, exam_Y, color = 'green')
#设定X,Y轴标签和title
plt.ylabel('scores')
plt.xlabel('times')
plt.title('exam data')
plt.show()

3 分割数据

这里不能把这个数据集都作为训练数据集，那样的话就没有数据来测试一下我们的模型好坏了，所以需要把数据集分割一下，要用到一个函数。

#train_test_split函数可以在样本数据集中随机的选取测试集与训练集
#比例可以自己指定
#第一个参数为特征，第二个参数为标签
from sklearn.cross_validation import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(exam_X,
                                                    exam_Y,
                                                    train_size = 0.8)
#这里可以简单的看一下分割后的结果
X_train.head()
X_train.shape
#可以发现训练集是16行一列的数据，测试集是四行一列，符合切分比例