字幕组双语原文：如何在Python中建立和训练线性和logistic回归ML模型？
英语原文：HowtoBuildandTrainLinearandLogisticRegressionMLModelsinPython
翻译：雷锋字幕组（Key、君思）
线性回归与logistic回归，是目前最流行的两个机器学习模型。
在我的教程里，你们已经学习了线性回归机器学习算法背后的历史和理论。
本教程的主题是：如何用Python中的scikit-learn库，建立、训练和测试你的第一个线性回归机器学习模型。
第1节：线性回归
本教程中将使用的数据集
由于线性回归是我们在本课程中学习的第一种机器学习模型，在本教程中我们将使用人工创建的数据集。因为这样我们可以专注于学习机器学习的概念，避免在清洗和处理数据上浪费不必要的时间。
具体来说，我们将使用住房数据的数据集并尝试预测住房价格。在建立模型之前，我们首先要导入所需的库。
本教程中将使用的库
我们将导入的第一个库是pandas，它是源于paneldata（面板数据）的复合词，是处理表格数据最受欢迎的Python库。
按照惯例，以别名pd导入pandas。你可以使用以下语句导入pandas：
importpandasaspd接下来，我们需要导入NumPy，一个流行的数值计算库。Numpy因其NumPyarray型数据结构，以及reshape，arrange，append这些非常实用的方法而闻名。
按照惯例，以别名np导入NumPy。你可以使用以下语句导入numpy：
importnumpyasnp接下来，我们需要导入matplotlib，Python中最受欢迎的数据可视化库。matplotlib通常以别名plt导入，你可以使用以下语句导入matplotlib：
importmatplotlib.pyplotasplt%matplotlibinline语句％matplotlibinline将使我们的matplotlib可视化效果直接嵌入到JupyterNotebook中，使它们更易于访问和解释。
最后，导入seaborn，这是另一个Python数据可视化库，可以让我们更轻松地使用matplotlib创建美观的可视化结果。
你可以使用以下语句导入seaborn：
importseabornassns总结一下，以下是本教程中需要导入的所有库：
importpandasaspdimportnumpyasnpimportmatplotlib.pyplotasplt%matplotlibinlineimportseabornassns在以后的课程中，我会说明必需导入哪些库，但不会再像这样进行详细的解释。
导入数据集
正如之前所提到的，我们将用到一个房屋信息的数据集。数据集已经以csv文件的形式上传到我的个人网站，链接如下：