线性回归---2.api初步使用

最新推荐文章于 2025-05-28 16:28:37 发布

原创最新推荐文章于 2025-05-28 16:28:37 发布 · 320 阅读

1 ·

CC 4.0 BY-SA版权

机器学习专栏收录该内容

13 篇文章

订阅专栏

博客介绍了线性回归API，即sklearn.linear_model.LinearRegression()，还提及回归系数。同时给出了线性回归实现的步骤，包括获取数据集、数据基本处理、特征工程、机器学习和模型评估，并且配有代码示例。

1.线性回归API:
sklearn.linear_model.LinearRegression()
LinearRegression.coef_：回归系数
2…1举例
在这里插入图片描述
2.2步骤分析
获取数据集
数据的基本处理
特征工程
机器学习
模型评估
2.3代码

导入模块
from sklearn.linern.liner_model import LinearRegression
构造数据集
x = [[80, 86],
[82, 80],
[85, 78],
[90, 90],
[86, 82],
[82, 90],
[78, 80],
[92, 94]]
y = [84.2, 80.6, 80.1, 90, 83.2, 87.6, 79.4, 93.4]
模型训练
实例化API
estimator=LinearRegression()
使用fit方法训练
estimator.fit(x,y)
#estimatimator.coefficient
estimator.coef_     #这个是回归系数
estimator.predict([ [100,80]])   #这个是预测一个期末成绩,利用机器学习学来的系数求出来