Supervised learning-1.1 Generalized Linear models

最新推荐文章于 2024-03-03 20:06:19 发布

翻译最新推荐文章于 2024-03-03 20:06:19 发布 · 357 阅读

文章标签：

#sklearn-教程

ML 专栏收录该内容

2 篇文章

订阅专栏

本文深入探讨了机器学习中有监督学习的基础——线性回归，并详细介绍了如何利用Python中的sklearn库进行线性回归模型的训练与预测。通过实例代码展示了从模型建立到系数获取的全过程。

机器学习有监督学习系列开篇：

1.1 广义线性模型（Generalized Linear models）

1.1.1 （最小二乘法）Ordinary Least Squares

LinearRegression 问题数学中实际就是找到一个如下的关系式：

python主要代码

# -*- coding: utf-8 -*-
from sklearn import linear_model
from sklearn.metrics import mean_squared_error,r2_score # mse and r square
regr = linear_model.LinearRegression() # find LR funciton
# 训练模型
regr.fit(x,y) # where x is train ,y is  targert train set
regr.coef_  # regr coefficient
# 使用模型
obj_goal = regr.predict(X)  # X is need predict set