記錄一下使用Python進(jìn)行的單變量回歸分析的操作流程。另外推薦一個sklearn機(jī)器學(xué)習(xí)的嗶哩嗶哩視頻（文末閱讀原文，進(jìn)行觀看）。
python不像R中，默認(rèn)的函數(shù)可以做回歸分析lm，可以做方差分析aov，python中進(jìn)行統(tǒng)計分析需要載入外在的包，這里經(jīng)常用到的是statsmodels和sklearn包，statsmodels風(fēng)格還是和R語言類似，sklearn則偏向機(jī)器學(xué)習(xí)了，是機(jī)器學(xué)習(xí)的入門包。
「statsmodels包介紹：」
statsmodels官方文檔：https://www.statsmodels.org/stable/
statsmodels主要是偏向傳統(tǒng)統(tǒng)計分析，比如回歸分析，方差分析，時間序列等。
「sklearn包介紹：」
sklearn官方文檔：https://scikit-learn.org/stable/
sklearn 是一個機(jī)器學(xué)習(xí)包，包括各種機(jī)器學(xué)習(xí)的方法。
「來自R語言用戶轉(zhuǎn)python數(shù)據(jù)分析的毒打」
?這毒打甚是酸爽，簡單的回歸分析，R中一行代碼的事情，在python中差點勸退，這是學(xué)藝不精然后丟人現(xiàn)眼的感慨??！用法不太一樣，習(xí)慣很難改，不過隨著python語法的熟悉，套路了解之后，就淡定很多，感覺python進(jìn)行分析時，更偏向底層，R分析時更友好，但是python中的sklearn，通過建立一套規(guī)則，之后無論回歸分析，還是隨機(jī)森林，還是嶺回歸，套路都是一樣的。
?
「sklearn機(jī)器學(xué)習(xí)的一般流程包括：」
數(shù)據(jù)的獲取
特征的提取
特征的選擇
數(shù)據(jù)預(yù)處理
模型的訓(xùn)練
模型的評估
模型的優(yōu)化
模型持久化
「進(jìn)入正題」
這里，使用Python中的statsmodels和sklearn進(jìn)行回歸分析。
women是R中的一個數(shù)據(jù)集，我們把它保存到csv文件中：
> data(women)
> write.csv(women,"women.csv",row.names = F)
「數(shù)據(jù)預(yù)覽：」
?statsmodels有兩種方法，一種是通過numpy矩陣操作的形式運算，這里的OLS都是大寫，另一種是formula形式，ols是小寫，風(fēng)格類似R。
?
import pandas as pd
import statsmodels.api as sm
dat = pd.read_csv("women.csv")
dat.head()
dat.describe()
x = dat['height']
X = x.values.reshape(-1,1) # 轉(zhuǎn)化為矩陣形式
y = dat['weight']
# 增加常數(shù)項
X1 = sm.add_constant(X)
X1
re = sm.OLS(y,X1).fit() # 注意，這里y在前面，X在后面
print(re.summary())
「代碼思路：」
結(jié)果：
?statsmodels也可以使用類似R語言，公式的方法進(jìn)行建模。
?
import statsmodels.formula.api as smf
smf.ols("weight ~ height",data=dat).fit().summary()
結(jié)果：
?sklearn是非常強(qiáng)大的包，包括很多機(jī)器學(xué)習(xí)的方法，是機(jī)器學(xué)習(xí)的入門包，這里使用其分析回歸分析。
?
from sklearn.linear_model import LinearRegression
mod = LinearRegression()
re = mod.fit(X1,y) # 注意，這里X在前面，y在后面。
re.coef_
re.intercept_
「結(jié)果：」
「一個坑：」
statsmodels中，進(jìn)行分析時，都是y變量在前面，X變量在后面，比如：
re = sm.OLS(y,X1).fit() # 注意，這里y在前面，X在后面
smf.ols("weight ~ height",data=dat).fit().summary()
但是sklearn中，X在前面，y在后面，比如：
re = mod.fit(X1,y) # 注意，這里X在前面，y在后面。
> mod = lm(weight ~ height ,data=women)
> summary(mod)
結(jié)果：
可以看出，截距為-87.51667，回歸系數(shù)為3.45，R方為0.991，調(diào)和R方為0.9903，和之前的結(jié)果完全一致。
sklearn中機(jī)器學(xué)習(xí)的應(yīng)用，非常具有代表性，這里總結(jié)sklearn擬合模型三部曲：
「以回歸分析為例，sklearn是這樣做的：」
from sklearn.linear_model import LinearRegression # 載入回歸分析
mod = LinearRegression() # 第一步：實例化，我們后面就可以用mod去建模了
re = mod.fit(X1,y) # 第二步：通過接口，訓(xùn)練模型
re.coef_ # 第三步：提取結(jié)果信息
re.intercept_ # # 第三步：提取結(jié)果信息
上面是回歸分析，也可以很容易的變?yōu)殡S機(jī)森林，決策樹之類的方法，舉一反三的感覺不要太爽喔！
「然后呢？GWAS和GS什么鬼？」
然后我就想到，通過這種形式去將GWAS和GS的分析放進(jìn)去，像GS也包括貝葉斯啊，嶺回歸啊（RRBLUP），參考群，候選群，交叉驗證之類的概念，本質(zhì)上也是機(jī)器學(xué)習(xí)的一種形式，通過這種形式調(diào)用，包括后面什么卷積神經(jīng)網(wǎng)絡(luò)等前沿性的算法考慮在內(nèi)，然后封裝成一個庫，對外提供接口API，提供參考群數(shù)據(jù)，預(yù)測候選群，然后跑各種各樣的模型，出一個最優(yōu)模型的結(jié)果，前景不要太美好……哈哈哈……
?我知道，已經(jīng)有不少研究這樣做了，但是想著自己以后能把比較前沿成熟的算法放到自己工作中，感覺好像已經(jīng)跨行成功進(jìn)入人工智能的樣子，套用茂茂的話：“好嗨喲”……
?
「推薦書籍」，之前寫了一篇西瓜書的讀后感：如何學(xué)習(xí)GWAS以及安利西瓜書，沒有給出書名，差評！這里貼出書名，據(jù)說網(wǎng)上有電子版的，但是對于買書當(dāng)作防身的我，紙質(zhì)書還是更有安全感。
「快來關(guān)注我吧，看我是如何在進(jìn)軍機(jī)器學(xué)習(xí)的路上：」
