利用sklearn.linear_model.LinearRegression预测体重

最新推荐文章于 2025-06-09 01:35:21 发布

原创

最新推荐文章于 2025-06-09 01:35:21 发布 · 1.3k 阅读

6 ·

CC 4.0 BY-SA版权

这篇博客详细介绍了如何利用sklearn.linear_model.LinearRegression进行体重预测，包括模型的参数解释和决定系数R²的含义。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy as np
#创建数据
data = np.array([[150,50],
                [152,52],
                [160,55],
                [164,57],
                [165,58],
                [168,59],
                [170,60],
                [171,61],
                [173,61],
                [173,61],
                [176,63],
                [177,64],
                [180,67],
                [183,70],
                [184,71]], np.int32)

#提取特征和标签
x = data[:,0:-1]#从第0列开始到倒数第2列停止
y = data[:,-1] #取出最后一列

print(np.shape(x), np.shape(y))

#可视化数据
import matplotlib.pyplot as plt
%matplotlib inline

plt.scatter(x,y)
plt.show()

在这里插入图片描述

#通过线性回归模型来拟合给定的数据
from sklearn.linear_model import LinearRegression
model = LinearRegression().fit(x,y)
print(model.predict([[169]]))  #注意model.predict()中要预测的数据跟训练数据x的shape保持一致

print(mode