广义线性模型python

最新推荐文章于 2023-08-10 20:24:24 发布

shun-ripking

最新推荐文章于 2023-08-10 20:24:24 发布

阅读量1.3k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： python机器学习文章标签：广义线性模型机器学习 python

本文链接：https://blog.youkuaiyun.com/chengshunhang/article/details/93396207

本文介绍了Python中广义线性模型的运用，包括线性回归、岭回归和套索回归。并展示了如何通过coef_和intercept_获取模型系数和截距。还提供了一个使用广义线性模型分析身高体重的实例，数据处理采用Bunch对象。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一.常用线性模型：

线性回归
正则化线性模型-岭回归
套索回归

二.线性模型的图形化表示：

coef_ 求系数
intercept_ 求截距

##糖尿病测试
from sklearn.datasets import load_diabetes
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
import numpy as np

X,y = load_diabetes()['data'],load_diabetes()['target']
X_train,X_test,y_train,y_test = train_test_split(X,y,random_state=8)

lr = LinearRegression()
lr.fit(X,y)

print("训练数据得分:{:.2f}".format(lr.score(X_test,y_test)))



print(load_diabetes().keys())
print(load_diabetes()['data'][1])
print(load_diabetes()['feature_names'])
print(load_diabetes()['target'])
print(load_diabetes()['target_filename'])
'''
'''
newdia=[[18,1,110,100,0,0,0,0,0,0]]
predict = lr.predict(newdia)
print('测试结果：{}'.format(load_diabetes()['target'][predict]))