scikit-learn-线性回归(最小二乘法)

本文介绍如何使用sklearn库中的线性回归模型进行数据拟合,包括训练模型、获取斜率和截距等步骤,并展示了如何评估模型性能,如计算均方差(MSE)和均根方差(RMSE)。

 

from sklearn import linear_model
reg = linear_model.LinearRegression()
reg.fit ([[0, 0], [1, 1], [2, 2]], [0, 1, 2])  训练函数
—————————>LinearRegression(copy_X=True, fit_intercept=True, n_jobs=1, normalize=False)
reg.coef_   斜率
—————————>array([ 0.5,  0.5])
print(reg.intercept_) 截距

划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=1)

#模型拟合测试集   均方差MSE  均根方差RMSE
y_pred = linreg.predict(X_test)
from sklearn import metrics
# 用scikit-learn计算MSE
print "MSE:",metrics.mean_squared_error(y_test, y_pred)
# 用scikit-learn计算RMSE
print "RMSE:",np.sqrt(metrics.mean_squared_error(y_test, y_pred))
 

https://blog.youkuaiyun.com/deramer1/article/details/79055281

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值