机器学习基础100天---day02 简单线性回归模型

最新推荐文章于 2024-10-25 19:23:15 发布

向阳争渡

最新推荐文章于 2024-10-25 19:23:15 发布

阅读量193

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签：机器学习线性回归

本文链接：https://blog.youkuaiyun.com/yangyang_yangqi/article/details/82691480

机器学习专栏收录该内容

10 篇文章

订阅专栏

本文介绍了一个使用简单线性回归对学生分数进行预测的数据科学项目。通过导入相关库、数据集预处理、模型训练和可视化结果，展示了如何从零开始构建一个预测模型。数据集包括学生的学习时间与分数，通过Python的sklearn库实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据集：

Hours,Scores
2.5,21
5.1,47
3.2,27
8.5,75
3.5,30
1.5,20
9.2,88
5.5,60
8.3,81
2.7,25
7.7,85
5.9,62
4.5,41
3.3,42
1.1,17
8.9,95
2.5,30
1.9,24
6.1,67
7.4,69
2.7,30
4.8,54
3.8,35
6.9,76
7.8,86

数据预处理常规步骤：

导入相关库
导入数据集
检查缺失值
划分数据集
特征缩放

#_*_coding:utf-8_*_
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

dataset = pd.read_csv('studentscores.csv')
X = dataset.iloc[ : ,   : 1 ].values
Y = dataset.iloc[ : , 1 ].values

from sklearn.model_selection import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split( X, Y, test_size = 1.0/4, random_state = 0)
#注意：Python2.x 1/4=0  1.0/4=0.25	Python3.x 1/4=0.25
# Fitting Simple Linear Regression Model to the training set
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
#拟合模型
regressor = regressor.fit(X_train, Y_train)

# Predecting the Result
Y_pred = regressor.predict(X_test)

# Visualising the Training results
plt.scatter(X_train , Y_train, color = 'red')
plt.plot(X_train , regressor.predict(X_train), color ='blue')

# Visualizing the test results
plt.scatter(X_test , Y_test, color = 'yellow')
plt.plot(X_test , regressor.predict(X_test), color ='green')
plt.show()

更多请参考大神GitHub