您现在访问的是微软AZURE全球版技术文档网站,若需要访问由世纪互联运营的MICROSOFT AZURE中国区技术文档网站,请访问 https://docs.azure.cn.

使用简单的模型预测答案

视频 4:适合初学者的数据科学系列

在“适合初学者的数据科学”视频 4 中学习“如何创建简单的回归模型来预测钻石价格”。 我们将绘制一个具有目标数据的回归模型。

若要充分利用此系列内容,请观看所有视频。 转到视频列表

本系列中的其他视频

“适合初学者的数据科学”对数据科学进行简要介绍,共五个短视频。

抄本:使用简单的模型预测答案

欢迎观看“适合初学者的数据科学”系列中的第四个视频。 在此视频中,我们将生成一个简单的模型并进行预测。

“模型”是数据的简化形式。 我将解释这句话的意思。

收集相关的、准确的、连续的和足够的数据

假设我要购买钻石。 我有一个从我祖母那继承的戒指,可放置 1.35 克拉的钻石,我想了解要花多少钱。 我带着笔记本和笔来到珠宝店,并记下当场所有钻石的价格和重量(以克拉为单位)。 从第一颗钻石开始 - 1.01 克拉,$7,366。

现在我继续看,并记下商店中所有钻石的这些信息。

钻石数据列

请注意,我们的列表有两列。 每列有不同的属性 - 克拉数和价格 - 每一行则代表单个钻石的单个数据点。

我们实际上已在此处创建了一个较小数据集 - 一个表。 请注意,它满足我们的质量标准:

  • 数据是“相关的” - 重量肯定与价格相关
  • 数据是“准确的” - 我们核实了两次记下的价格
  • 数据是“连续的” - 这两列中均没有空格
  • 而且可以看到,现在有“足够的”数据来回答我们的问题

提出尖锐问题

现在我们直接提出问题:“购买 1.35 克拉钻石需要多少钱?”

列表中没有 1.35 克拉的钻石,因此需要使用其他数据得出这一问题的答案。

绘制现有数据

我们首先绘制水平数字线(叫做轴),用图表表示重量。 重量的范围是 0 到 2,因此我们绘制一条包括此范围的线,并在每半克拉处做标记。

接下来,绘制纵轴记录价格,并将其与水平重量轴联系起来。 纵轴以美元为单位。 现在我们有了一组坐标轴。

重量轴和价格轴

接下来获取数据并将其转换为散点图。 这是一种可视化数字数据集的好方法。

对于第一个数据点,我们盯住 1.01 克拉的纵向线。 然后盯住 $7,366 的水平线。 在它们相交的位置描点。 这代表第一颗钻石。

现在为列表中的每颗钻石执行此操作。 完成后即可得到:多个点,每个点对应一颗钻石。

散点图

连接数据点绘制模型

如果现在看这些点和重合的部分,这个集合看起来就像一条粗大、模糊的线。 我们可以使用记号笔绘制一条直线。

绘制完这条线便创建了一个“模型”。 将它视为真实的模型并制作简化的动画版本。 现在的卡通版是错误的,因为线没有连接所有数据点。 但这是有用的简化方法。

线性回归线

所有点未准确落在线上是可以接受的。 数据科学家将此解释为:有模型,就会有线 - 因此每个点都有一些与之关联的干扰或方差。 存在潜在的完美关系,同时也存在增加干扰和不确定性的真实世界。

因为我们正在尝试回答“多少钱?”的问题,因此这就是一种“回归”。 而我们使用的是直线,因此它又是“线性回归”。

使用模型找出答案

现在有了模型,我们向它提问:1.35 克拉的钻石要花多少钱?

为了回答问题,我们盯住 1.35 克拉并绘制一条纵向线。 当它与模型线相交后,我们盯住这一点到价格轴的水平线。 刚好为 10,000。 哇! 这就是答案:1.35 克拉的钻石大约需要 $10,000。

在模型上找出答案

创建一个置信区间

我们肯定想知道这个预测有多准确。 知道 1.35 克拉钻石的价格非常接近、还是远高于或远低于 $10,000 非常有用。 为了得出此答案,我们在回归线附近绘制一个信封形图形,覆盖大多数点。 这个信封称为“置信区间”:根据过去的经验,我们可以信任此信封形区域中的价格。 我们可以再绘制两条水平线:使 1.35 克拉线与此信封形区域的最低点和最高点相交。

置信区间

现在可以从置信区间获取一些内容:我们可以自信地说 1.35 克拉钻石的价格约为 $10,000 - 但可能低至 $8,000 或高达 $12,000。

完成,而且没有使用数学计算或计算机

我们完成了需要聘请数据科学家才能完成的工作,完成方法仅是通过绘制:

  • 提出可使用数据回答的问题
  • 使用线性回归构建模型
  • 进行预测,并借助置信区间完成

而且没有使用数学计算或计算机。

现在假设我们有更多信息,例如...

  • 钻石的切割
  • 颜色差异(钻石的颜色与白色的接近程度)
  • 钻石中杂质量

...那么我们会有更多列。 在这种情况下,数学计算就很有用。 如果有两个以上的列,则很难在纸上描点。 数学计算能使线或平面与数据很好地对应。

此外,如果不是只有少量钻石,而是有两千颗或两百万颗,那么使用计算机能更快完成此工作。

我们今天讨论了如何执行线性回归并使用数据进行了预测。

务必观看 Microsoft Azure 机器学习工作室(经典)“适合初学者的数据科学”中的其他视频。

后续步骤