Scikit-Learn -LinearRegression

没想好叫啥··

于 2018-05-31 10:25:23 发布

阅读量879

点赞数

CC 4.0 BY-SA版权

文章标签： sklearn linearRegression

本文链接：https://blog.youkuaiyun.com/weixin_41246832/article/details/80513641

本文通过使用Scikit-Learn库中的线性回归模型对Boston房价数据集进行拟合与预测，并展示了如何创建自定义数据集及调整噪声水平。通过实际案例，读者可以了解到线性回归的基本应用及参数含义。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Scikit-Learn

from sklearn import datasets
from sklearn.linear_model import LinearRegression
#加载Boston数据
loaded_data = datasets.load_boston()
data_X = loaded_data.data
data_y = loaded_data.target
#线性回归模型
model = LinearRegression()
model.fit(data_X,data_y)
#预测10个数据
print(model.predict(data_X[:10,:]))
print(data_y[:10])


print(model.coef_)
print(model.intercept_)

print(model.get_params())
print(model.score(data_X,data_y))#R^2 coefficient of determination

##coef 、intercept##
-官网的描述

##get_params##
-得到默认的参数

自己做一个数据集

都是datasets.make

from sklearn import datasets
import matplotlib.pyplot as plt
#100个点 具体的以后再说
X,y = datasets.make_regression(n_samples=100,n_features=1,n_targets=1,noise=10)
plt.scatter(X,y)
plt.show()