Python+sklearn使用线性回归算法预测儿童身高

问题描述：一个人的身高除了随年龄变大而增长之外，在一定程度上还受到遗传和饮食以及其他因素的影响，本文代码中假定受年龄、性别、父母身高、祖父母身高和外祖父母身高共同影响，并假定大致符合线性关系。

import copy

import numpy as np

from sklearn import linear_model

def linearRegressionPredict(x, y):

    lr = linear_model.LinearRegression()

    # 拟合

    lr.fit(x, y)

    return lr

# 儿童年龄,性别（0女1男）,父亲身高,母亲身高,祖父身高,祖母身高,外祖父身高,外祖母身高

x = np.array([[1, 0, 180, 165, 175, 165, 170, 165],\

              [3, 0, 180, 165, 175, 165, 173, 165],\

              [4, 0, 180, 165, 175, 165, 170, 165],\

              [6, 0, 180, 165, 175, 165, 170, 165],\

              [8, 1, 180, 165, 175, 167, 170, 165],\

              [10, 0, 180, 166, 175, 165, 170, 165],\

              [11, 0, 180, 165, 175, 165, 170, 165],\

              [12, 0, 180, 165, 175, 165, 170, 165],\

              [13, 1, 180, 165, 175, 165, 170, 165],\

              [14, 0, 180, 165, 175, 165, 170, 165],\

              [17, 0, 170, 165, 175, 165, 170, 165]])

# 儿童身高，单位：cm

y = np.array([60, 90, 100, 110,\

              130, 140, 150, 164,\

              160, 163, 168])

# 根据已知数据拟合最佳直线的系数和截距

lr = linearRegressionPredict(x, y)

# 查看最佳拟合系数

print('k:', lr.coef_)

# 截距

print('b:', lr.intercept_)

# 预测

xs = np.array([[10, 0, 180, 165, 175, 165, 170, 165],\

              [17, 1, 173, 153, 175, 161, 170, 161],\

              [34, 0, 170, 165, 170, 165, 170, 165]])

for item in xs:

    # 深复制，假设超过18岁以后就不再长高了

    item1 = copy.deepcopy(item)

    if item1[0] > 18:

        item1[0] = 18

    print(item, ':', lr.predict(item1.reshape(1,-1)))

运行结果：

k: [  8.03076923e+00  -4.65384615e+00   2.87769231e+00  -5.61538462e-01

   7.10542736e-15   5.07692308e+00   1.88461538e+00   0.00000000e+00]

b: -1523.15384615

[ 10   0 180 165 175 165 170 165] : [ 140.56153846]

[ 17   1 173 153 175 161 170 161] : [ 158.41]

[ 34   0 170 165 170 165 170 165] : [ 176.03076923]