【代码】sklearn-实现线性回归

本站原创文章，转载请说明来自《老饼讲解-机器学习》www.bbbdata.com

本文展示一个使用sklearn实现线性回归模型的Demo代码

通过本文可以掌握在实际应用中如何调用sklearn来实现线性回归模型

    01. 如何用sklearn实现线性回归模型    

本节展示如何用sklearn实现线性回归模型的求解

     问题     

现有数据以下
 
需要我们建立线性模型,用变量 x1,x2 预测y

✍️备注
 以上数据的实际关系为：   
建完模可以回头看看建模的结果与这个是否一致

   用sklearn包求解线性回归模型   

用python的sklearn实现线性回归模型
只需调用linear_model.LinearRegression()函数
 代码如下

from sklearn import linear_model
import numpy as np
#输入数据
x = np.array([[0, 2], [1, 1], [2,3],[3,2],[4,5],[5,2]])
y = np.array([8,7,15,14,25,18])
#调用sklearn的线性模型包，训练数据
reg = linear_model.LinearRegression()
reg.fit(x,y)

#输出系数和阈值
print("模型参数："+str(reg.coef_))
print("模型阈值："+str(reg.intercept_))

运行结果如下
 模型参数：[2. 3.]           
模型阈值：1.9999999999999982

  End