---

线性回归案例实战：糖尿病数据预测分析

线性回归是最基础也是最常用的回归算法之一，适用于预测连续变量，比如房价、血糖值、销售额等。本文通过糖尿病数据集，展示如何使用线性回归进行建模、训练与评估。

Diabetes Datahttps://www4.stat.ncsu.edu/~boos/var.select/diabetes.html

---

一、导入数据与库

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_absolute_error, mean_squared_error
from sklearn.model_selection import train_test_split

模块说明：

• pandas：用于读取和处理数据

• numpy：进行数值计算

• LinearRegression：线性回归模型

• train_test_split：划分训练集与测试集

• mean_absolute_error, mean_squared_error：评估模型性能的指标

---

二、读取数据并划分特征与目标

data = pd.read_csv("糖尿病数据.csv")

X = data.drop('target', axis=1)  # 特征变量
y = data[['target']]             # 目标变量（如血糖值）

数据说明：

• 假设这是一个标准化后的糖尿病数据集，包含 10 个特征（如年龄、BMI、血压等）

• target 表示预测目标，例如糖尿病的指标值（数值型）

---

三、拆分训练集和测试集

X_train, X_test, y_train, y_test = train_test_split(X, y)

将数据随机划分为：

• X_train, y_train：训练集

• X_test, y_test：测试集

默认比例为 75% 训练 + 25% 测试

---

四、训练线性回归模型

model = LinearRegression()
model.fit(X_train, y_train)

训练 LinearRegression 模型，找到最佳拟合的直线（或者超平面）来预测目标变量。

---

五、获取模型参数（系数与截距）

a = model.coef_
b = model.intercept_

print("自变量系数：", a)
print("截距：", b)

模型方程为：

y = a1*x1 + a2*x2 + ... + a10*x10 + b

参数解释：

• 系数（coef_） 表示每个变量对结果的影响方向与强度

  • 正数：正相关

  • 负数：负相关

• 截距（intercept_） 表示所有变量为 0 时的预测结果

---

六、评估模型性能

score = model.score(X_test, y_test)
print("R² 分数：", score)

R²（决定系数）：

• 衡量模型对数据的解释能力

• 范围：[0, 1]

  • R² 越接近 1，说明模型拟合越好

  • R² = 0 表示模型无法解释数据变化

---

七、计算回归误差指标

print("MAE 平均绝对误差：", mean_absolute_error(y_test, model.predict(X_test)))
print("MSE 平均平方误差：", mean_squared_error(y_test, model.predict(X_test)))
print("RMSE 平方根误差：", np.sqrt(mean_squared_error(y_test, model.predict(X_test))))

在回归问题的模型评估中，MAE、MSE 和 RMSE 是常用的指标，用于衡量预测值与实际值之间的误差大小。以下是对它们的详细解释：

1. MAE（Mean Absolute Error，平均绝对误差）

定义

计算预测值与实际值之间绝对误差的平均值，公式为：

其中，yi​ 是实际值，y^​i​ 是预测值，n 是样本数量。

特点

• 优点：计算简单，对异常值不敏感（因为绝对值不会放大极端误差），结果的单位与原数据一致，容易解释。
• 缺点：在误差较大的情况下，惩罚力度较弱，可能无法反映模型的真实偏差。

示例

若实际值为 [10, 20, 30]，预测值为 [12, 18, 33]，则：
绝对误差为 [2, 2, 3]，MAE = (2+2+3)/3 ≈ 2.33。

2. MSE（Mean Squared Error，均方误差）

定义

计算预测值与实际值之间平方误差的平均值，公式为：

特点

• 优点：对误差较大的样本（异常值）惩罚更严厉（平方放大误差），能更敏感地反映模型的偏差。
• 缺点：结果的单位是原数据单位的平方（例如原数据单位为 “元”，MSE 单位为 “元 ²”），解释性稍弱。

示例

沿用上述数据，平方误差为 [4, 4, 9]，MSE = (4+4+9)/3 ≈ 5.67。

3. RMSE（Root Mean Squared Error，均方根误差）

定义

MSE 的平方根，公式为：

特点

• 优点：继承了 MSE 对异常值敏感的特性，同时结果的单位与原数据一致（解决了 MSE 单位的问题），是最常用的指标之一。
• 缺点：仍受异常值影响较大，计算时需注意数据中是否存在极端值。

指标	含义	特点
MAE	平均预测误差	容易理解，易受异常值影响小
MSE	平方误差平均值	放大大误差的惩罚
RMSE	MSE 开平方	单位与目标一致，更直观

---

八、模型预测使用示例（可扩展）

你可以使用模型预测新的数据样本，例如：

sample = [[-0.05, 0.12, 0.03, -0.01, 0.09, -0.02, 0.01, 0.04, -0.03, 0.02]]
result = model.predict(sample)
print("预测结果为：", result)

---

九、总结

通过本案例你学到了：

🔹 如何使用 LinearRegression 构建回归模型
🔹 如何提取模型的系数与截距，解释变量关系
🔹 如何使用 R²、MAE、MSE、RMSE 评估回归模型
🔹 模型如何应用于新样本预测

---

完整代码：

结果：

代码：

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_absolute_error, mean_squared_error
from sklearn.model_selection import train_test_split

data = pd.read_csv("糖尿病数据.csv")

X = data.drop('target',axis=1)
y = data[['target']]

X_train, X_test, y_train, y_test = train_test_split(X, y)
model = LinearRegression()
model.fit(X_train,y_train)

# a:自变量系数
# b:截距
a = model.coef_
b = model.intercept_
print("自变量系数：",a)
print("截距：",b)

score = model.score(X_test,y_test)
print("R² 分数：", score)

y_pred = model.predict(X_test)
print("MAE 平均绝对误差：", mean_absolute_error(y_test, y_pred))
print("MSE 平均平方误差：", mean_squared_error(y_test, y_pred))
print("RMSE 平方根误差：", np.sqrt(mean_squared_error(y_test, y_pred)))