企业官网建设流程全解析

用 Scikit-learn 构建多目标回归模型：ML-For-Beginners 课程 Linnerud 数据集作业实战解析

【免费下载链接】ML-For-Beginners12 weeks, 26 lessons, 52 quizzes, classic Machine Learning for all项目地址: https://gitcode.com/GitHub_Trending/ml/ML-For-Beginners

导读

本篇技术指南以 ML-For-Beginners 课程《2-Regression/1-Tools》的课后作业为骨架，围绕 scikit-learn 内置的Linnerud 多目标数据集，完整讲解"如何为一个数据集构建回归模型、并用文字描述变量间关系"的全过程。你将掌握：Linnerud 数据集的结构与变量语义、基于LinearRegression的端到端建模流程（加载数据 → 特征选择 → 数据划分 → 训练 → 预测 → 可视化），以及面对多个目标变量时的逐对建模与多输出回归两种策略，从而高质量完成该作业。

作业背景：它属于哪一课，需要哪些前置能力

本作业位于课程 2-Regression/1-Tools（Get started with Python and Scikit-learn for regression models）的末尾，是"用 Python 与 Scikit-learn 构建回归模型"四课系列的第一课作业。该课要求学习者在动手前先完成以下环境准备：

1. 安装 Python，并推荐在[虚拟环境]中工作；
2. 安装 Visual Studio Code，并配置 Python 开发环境；
3. 安装 Scikit-learn；
4. 安装 Jupyter Notebook，学会使用.ipynb交互式笔记本（notebook 允许在代码块之间穿插 Markdown 说明，非常适合实验型、研究型任务）。

在本课的主体练习中，学习者使用内置的糖尿病数据集（442 个样本、10 个特征）走完了完整的线性回归流程：导入matplotlib、numpy与sklearn的datasets、linear_model、model_selection模块，加载数据、选定单一特征、划分训练/测试集、调用model.fit()训练、model.predict()预测并绘制散点图与回归线。该练习的完整可运行代码保存在 solution/notebook.ipynb，另有使用 tidymodels 框架的 R 语言版本教程。本次作业正是要求把同样的建模思路迁移到一个结构不同——多目标——的数据集上，并用文字把思路描述清楚。

回归系列课程的 sketchnote 总览，帮助理解线性回归在整个机器学习课程中的位置。

Linnerud 数据集：一个经典的多目标（Multi-output）回归样本

作业要求的第一步，是"查看 scikit-learn 中的 Linnerud 数据集"。按 scikit-learn 官方文档对该数据集的描述：它由三个运动（exercise）变量作为数据，三个生理（physiological）变量作为目标变量，数据来自健身俱乐部中二十名中年男性。这 20 个样本、3+3 的变量结构，使它成为一个典型的"多目标回归"（multi-output regression）练习样本——即每一个样本行同时对应多个需要预测的数值目标，而不是像糖尿病数据集那样只有一个y。

从 scikit-learn 数据加载器的结构看，三个运动变量分别对应引体向上（Chins）、仰卧起坐（Situps）与跳跃（Jumps），三个生理变量分别对应体重（Weight）、腰围（Waist）与脉搏（Pulse）。作业中点名的腰围（waistline）正是三个生理目标之一，仰卧起坐（situps）正是三个运动特征之一。

这个数据集之所以适合作为回归入门作业，原因有三：

• 样本量小、维度低：20 行 × 3 特征，肉眼即可观察，便于逐点理解回归的几何含义；
• 变量语义清晰：运动量（数据）与生理指标（目标）之间的关联方向符合常识，便于在建模后做领域层面的解读；
• 多目标结构：迫使学习者思考"一个数据集有多个 y 时该怎么办"，为后续进阶的多输出建模打下认知基础。

注意：20 个样本属于极小的数据集，训练出的模型泛化能力有限。作业目的是理解建模流程与变量关系，而不是追求生产级精度——这一点应在描述性段落中有所体现。

作业要求逐条解读

作业（德语版，原文见英文版）包含两项核心任务：

任务一：用自己的话（in your own words）描述，如何创建一个回归模型，用于刻画**腰围（Taillenumfang / waistline）与仰卧起坐次数（Anzahl der durchgeführten Sit-ups / situps）**之间的关系。

任务二：对数据集中的其他数据点（即其余的运动变量与生理变量组合）重复同样的建模思路。

评分标准（Rubric）如下表：

可见，作业的评分重心在于文字描述的完整性、条理与深度——代码只是辅助，关键是能否把"如何建模"讲清楚。下面给出从建模流程到文字组织的完整攻略。

完整建模思路：从"腰围 vs 仰卧起坐"开始

把本课糖尿病数据集练习的流程（见 solution/notebook.ipynb）迁移到 Linnerud 数据集，可以拆解为五个步骤。每一步既是可运行的代码，也是描述段落中可以对应的"讲解点"。

第一步：加载数据集并观察结构

import numpy as np import matplotlib.pyplot as plt from sklearn import datasets, linear_model, model_selection # 加载 Linnerud 数据集，X 为三个运动变量，y 为三个生理变量 X, y = datasets.load_linnerud(return_X_y=True) print("运动变量（数据）形状:", X.shape) # (20, 3) print("生理变量（目标）形状:", y.shape) # (20, 3)

return_X_y=True表示把数据以X（数据矩阵）和y（回归目标）两个数组返回，这与本课糖尿病练习中datasets.load_diabetes(return_X_y=True)的用法一致。打印形状可以确认：Linnerud 是 20 个样本、3 个特征、3 个目标的数据集。

第二步：选定单一特征并转为二维数组

作业聚焦"腰围与仰卧起坐"这对关系。在健身语境下，通常把运动量（仰卧起坐次数）作为特征 X，生理指标（腰围）作为目标 y——即用"做了多少个仰卧起坐"来解释或预测"腰围"。参照本课练习中"选取第 3 列特征并用reshape转为 2D 数组"的做法（源码见 solution/notebook.ipynb）：

# 选取"仰卧起坐"列作为特征、"腰围"列作为目标 # 按特征/目标列表的列顺序定位：Situps 在第 2 列，Waist 在第 2 列 situps = X[:, 1].reshape((-1, 1)) # 转为 (20, 1) 的二维数组 waist = y[:, 1]

这里reshape((-1, 1))是关键：sklearn的估计器要求特征矩阵是二维的（样本 × 特征），当只选一个特征时必须显式整形，其中-1表示该维度由 numpy 自动推算（本例即样本数 20）。

第三步：划分训练集与测试集

监督学习必须把数据划分为训练集与"留出"的测试集，前者用于拟合模型，后者用于检验模型的泛化表现。使用model_selection.train_test_split：

X_train, X_test, y_train, y_test = model_selection.train_test_split( situps, waist, test_size=0.33 )

test_size=0.33表示约 33% 的数据（约 7 个样本）作为测试集，其余用于训练——与本课糖尿病练习保持一致。由于样本只有 20 个，可考虑适当调大训练比例或使用交叉验证，这可以作为描述段落中"对模型稳健性的思考"加分点。

第四步：训练线性回归模型

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

model.fit()是几乎贯穿所有主流机器学习库（如 TensorFlow）的统一接口：模型根据训练数据学习出"最佳拟合直线"的系数（斜率与截距），使预测值与实际值之间的整体误差最小。在本课 R 版教程（lesson_1.Rmd）中，对应的 tidymodels 写法是lm_spec %>% fit(y ~ ., data = diabetes_train)，其模型输出同样展示学习到的回归系数——二者的原理完全一致。

第五步：预测并可视化

y_pred = model.predict(X_test) plt.scatter(X_test, y_test, color='black') plt.plot(X_test, y_pred, color='blue', linewidth=3) plt.xlabel('Situps (count)') plt.ylabel('Waistline') plt.title('Waistline vs Situps') plt.show()

用测试集的特征做预测，把真实点（黑色散点）与模型预测线（蓝色直线）画在同一张图上，即可直观判断线性关系是否成立、哪些样本偏离较远。本课糖尿病练习的可视化结果正是这种形式：

本课糖尿病数据集练习的可视化结果，展示了"真实散点 + 回归直线"的标准呈现方式，可迁移到 Linnerud 的"腰围 vs 仰卧起坐"图。

扩展到其他数据点：多目标回归的两条路线

作业任务二要求"对数据集中的其他数据点做同样处理"。Linnerud 的 3 个运动变量（Chins、Situps、Jumps）与 3 个生理目标（Weight、Waist、Pulse）可组成多对关系。处理方式有两种思路：

路线 A：逐对建模（简单、直观，适合描述）对每一对"运动特征 → 生理目标"分别执行上述五步流程，得到 9 个（或按研究需要选定的几组）单变量线性回归模型，逐一描述其斜率方向与拟合效果。优点是与任务一完全同构、易于文字展开；缺点是忽略了目标之间的相关性。

路线 B：多输出回归（一步到位）sklearn的LinearRegression原生支持多目标：当y传入形状为(n_samples, n_targets)的矩阵时，它会为每个目标分别拟合一个模型：

# 一次性建模：3 个运动特征 -> 3 个生理目标 model_multi = linear_model.LinearRegression() model_multi.fit(X, y) # y 形状为 (20, 3) y_pred_multi = model_multi.predict(X)

也可以使用sklearn.multioutput.MultiOutputRegressor包装不支持多输出的估计器，把多目标问题分解为多个单目标问题逐一求解。从本课"简单线性回归 vs 多元线性回归"的复习提示（见 README 的 Review & Self Study 部分）可以看出，课程希望学习者主动区分：单变量回归（一个特征）、多元回归（多个特征）与多输出回归（多个目标）是三件不同的事，Linnerud 作业正是练习"多目标"这一维度的契机。

无论选择哪条路线，写进段落里的核心逻辑都应一致：先说明选择了哪些变量组合与建模方向，再给出数据划分与模型训练方式，最后基于可视化结果描述关系的方向（正相关/负相关）、强度与局限性。

如何写出达到"典范"标准的描述性段落

结合评分标准的"典范"档要求，一段好的描述至少应包含以下层次，可作为组织文字的模板：

1. 数据集概述：说明 Linnerud 数据集包含 20 名中年男性的 3 个运动变量与 3 个生理变量，是典型的小样本多目标数据。
2. 变量与建模方向：明确把仰卧起坐次数作为特征、腰围作为目标，并解释为何选择这个方向（运动量作为解释变量、生理指标作为被解释变量，语义上更自然）。
3. 流程陈述：按"加载数据 → 特征整形（reshape(-1, 1)）→train_test_split划分 →LinearRegression().fit()训练 →predict()预测 → 散点图叠加回归线"的顺序，用自然语言串联，不必罗列代码，但要让读者能复现思路。
4. 结果解读：描述直线与散点的吻合程度、个别离群样本的可能含义，并强调相关性不等于因果性——即便腰围与仰卧起坐呈现线性趋势，也需要领域知识（健身生理学）辅助判断，而不能仅凭 20 个样本断言因果关系。
5. 拓展与反思：说明对 Chins、Jumps 等其余特征与 Weight、Pulse 等其余目标可采取逐对建模或多输出回归，并指出小样本带来的过拟合风险与模型泛化局限。

把以上五层内容组织成一段（或若干段）连贯的文字，即可满足"一段写得好的描述性段落"的典范标准。

相关学习资源

• 本课完整教程 README：环境搭建、notebook 使用、Scikit-learn 入门与糖尿病数据集练习的完整讲解；
• Python 解决方案笔记本：糖尿病数据集线性回归的完整可运行代码与输出；
• R 语言版本教程：使用 tidymodels/parsnip 完成同一练习的对照实现；
• 回归系列 sketchnote：对回归概念的可视化速览；
• 英文版作业原文：与本文对应的英文原始文档。

完成本篇作业后，你不仅掌握了 Linnerud 多目标数据集的建模方法，更具备了把"数据集结构、模型选择、训练流程、结果解读"完整表述出来的能力——这正是后续回归课程（数据可视化、线性回归、逻辑回归）反复复用的一套思维框架。

【免费下载链接】ML-For-Beginners12 weeks, 26 lessons, 52 quizzes, classic Machine Learning for all项目地址: https://gitcode.com/GitHub_Trending/ml/ML-For-Beginners