scikit-learn中简单线性回归问题

原创于 2021-07-30 15:09:55 发布

· 95 阅读

版权

文章标签：

35 篇文章

订阅专栏

这篇博客通过Python的numpy和matplotlib库展示了如何导入数据、绘制散点图，并运用sklearn的线性回归模型进行拟合。博主还利用matplotlib绘制了预测线，直观地呈现了模型的效果，并通过score方法评估了模型的性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 导入数据

import numpy as np

x = np.array([1., 2., 3., 4., 5.])
y = np.array([1., 3., 2., 3., 5.])
x_new = x.reshape([-1,1])

import matplotlib.pyplot as plt

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

在这里插入图片描述

from sklearn.linear_model import LinearRegression

reg = LinearRegression()
reg.fit(x_new,y)
reg.predict(x_new)

y_predict = reg.predict(x_new)

plt.scatter(x,y)
plt.plot(x,y_predict,color = 'r')
plt.show()

在这里插入图片描述

reg.score(x_new,y)