### Python 数据挖掘与机器学习第五章：糖尿病数据回归分析 以下是基于糖尿病数据集的完整代码实现，包括训练集和测试集划分以及线性回归模型拟合的过程。每一行代码都附有详细的解释。 #### 导入必要的库 ```python import numpy as np from sklearn import datasets from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression from sklearn.metrics import mean_squared_error, r2_score ``` 以上代码导入了所需的库，`numpy`用于数值计算[^1]，`sklearn.datasets`加载内置数据集[^2]，`train_test_split`用于分割数据集[^3]，`LinearRegression`构建线性回归模型[^4]，而`mean_squared_error`和`r2_score`则分别用来评估模型性能[^5]。 #### 加载糖尿病数据集 ```python diabetes = datasets.load_diabetes() X = diabetes.data y = diabetes.target ``` 此处通过`datasets.load_diabetes()`函数加载糖尿病数据集[^6]。变量`X`存储特征矩阵，表示影响目标值的各种因素；变量`y`则是目标向量，代表实际测量的目标值（如疾病进展程度）[^7]。 #### 划分训练集和测试集 ```python X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) ``` 此行为将原始数据划分为训练集和测试集，其中参数`test_size=0.2`指定测试集占总样本数的20%，剩余部分作为训练集[^8]。设置`random_state=42`可以确保每次运行程序时得到相同的结果，便于调试和验证[^9]。 #### 构建并训练线性回归模型 ```python model = LinearRegression() model.fit(X_train, y_train) ``` 这两行定义了一个线性回归模型实例，并调用其`fit`方法利用训练数据对其进行训练[^10]。在此过程中，算法会自动调整权重以最小化误差项。 #### 预测与评价 ```python y_pred = model.predict(X_test) mse = mean_squared_error(y_test, y_pred) r2 = r2_score(y_test, y_pred) print(f"Mean Squared Error: {mse}") print(f"R-squared Value : {r2}") ``` 上述代码先使用已训练好的模型对测试集中输入进行预测[^11]，再借助均方误差(MSE)衡量预测值与真实值之间的差距大小[^12]，并通过决定系数(R²)反映模型对于观测数据变化的解释能力[^13]。 #### 输出模型参数 ```python print("Coefficients:", model.coef_) print("Intercept:", model.intercept_) ``` 最后两行打印出了所建立线性回归模型中的斜率(即各特征对应的系数)[^14]及其截距项[^15]。 ---