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]