机器学习(三)使用sklearn库的datasets练习LinearRegression

# -*- coding: utf-8 -*-
"""
Created on Tue Oct 25 20:42:24 2016

@author:Sirius
LinearRegression
"""

from sklearn import datasets
from sklearn.linear_model import LinearRegression
from sklearn.cross_validation import train_test_split
load_data=datasets.load_boston()
data_x=load_data.data
data_y=load_data.target

x_train,x_test,y_train,y_test=train_test_split(
                              data_x,data_y,test_size=0.1)#test_size是test数据集占的百分比

model=LinearRegression()
model.fit(x_train,y_train)

print model.predict(x_tes
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
引用\[1\]:make_regression函数是sklearn.datasets中的一个函数,用于生成回归分析所需的仿真数据。它可以生成指定样本数、特征数、相关特征数和因变量个数的数据集。该函数的参数包括n_samples(样本数)、n_features(特征数)、n_informative(相关特征数)、n_targets(因变量个数)等。\[1\]引用\[2\]:使用make_regression函数生成的数据可以通过pandas进行查看。可以使用pd.DataFrame函数将生成的特征数据、目标数据和实际系数值转换为DataFrame格式,并通过head()函数查看前几行数据。\[2\]引用\[3\]:下面是一个使用make_regression函数生成数据并查看的示例代码。首先导入所需的包和,然后使用make_regression函数生成数据,最后使用pd.DataFrame函数将数据转换为DataFrame格式并通过head()函数查看前几行数据。\[3\] #### 引用[.reference_title] - *1* [sklearn.datasets使用方法(最详细)](https://blog.csdn.net/yihanyifan/article/details/121797971)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [python使用sklearn中的make_regression函数生成回归分析需要的仿真数据、使用pandas查看生成数据的特征数据...](https://blog.csdn.net/zhongkeyuanchongqing/article/details/122370198)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值