【342】Linear Regression by Python

最新推荐文章于 2025-05-20 15:57:16 发布

weixin_33781606

最新推荐文章于 2025-05-20 15:57:16 发布

阅读量335

点赞数

文章标签： python 数据结构与算法人工智能

本文详细介绍了如何利用Python中的scikit-learn库和pandas库来实现线性回归模型。首先，通过pandas加载数据并将其划分为特征X和目标变量y，然后使用scikit-learn的LinearRegression类拟合模型，最后获取截距和系数。通过两个实例演示了这一过程，为初学者提供了实用的代码示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Reference: 用scikit-learn和pandas学习线性回归

首先获取数据存储在 pandas.DataFrame 中，获取途径（CSV 文件、Numpy 创建）
将数据分成 X 和 y，X 可以含有多列，也就是多个参数
通过 Linear Regression 计算
获取 intercept 和 coefficient

实现步骤如下：

>>> import numpy as np
>>> import pandas as pd
>>> from sklearn import datasets, linear_model
>>> from sklearn.linear_model import LinearRegression
>>> data = np.array([
	['X', 'y'],
	[2.0, 2.2],
	[3.0, 3.8],
	[4.0, 5.5],
	[5.0, 6.5],
	[6.0, 7.0]])
>>> lr = pd.DataFrame(data=data[1:,:],
		      columns=data[0,:])
>>> lr
     X    y
0  2.0  2.2
1  3.0  3.8
2  4.0  5.5
3  5.0  6.5
4  6.0  7.0
>>> X = lr[['X']]
>>> X
     X
0  2.0
1  3.0
2  4.0
3  5.0
4  6.0
>>> y = lr[['y']]
>>> y
     y
0  2.2
1  3.8
2  5.5
3  6.5
4  7.0
>>> linreg = LinearRegression()
>>> linreg.fit(X, y)
LinearRegression(copy_X=True, fit_intercept=True, n_jobs=None,
         normalize=False)
>>> linreg.intercept_
array([0.08])
>>> linreg.coef_
array([[1.23]])

代码如下：

>>> data = np.array([[3,2.5],[4,3],[5,4],[6,4.5]])
>>> lr = pd.DataFrame(data)
>>> X = lr[[0]]
>>> y = lr[[1]]
>>> linReg = LinearRegression()
>>> linReg.fit(X, y)
LinearRegression(copy_X=True, fit_intercept=True, n_jobs=None,
         normalize=False)
>>> linReg.intercept_
array([0.35])
>>> linReg.coef_
array([[0.7]])