机器学习-入门

【代码】sklearn-实现线性回归

作者 : 老饼 发表日期 : 2023-02-07 15:25:35 更新日期 : 2023-11-09 15:15:49
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  






联系老饼