一元线性回归包含一个因变量一个自变量;
这两个变量的关系采用一条直线来模拟
y = ax + b
from sklearn.linear_model import LinearRegression # 线性回归
import numpy as np
import matplotlib.pyplot as plt
# 载入数据
data = np.genfromtxt("C:\\ML\\chapter-1\\data.csv",delimiter=",")
x_data = data[:,0]
y_data = data[:,1]
plt.scatter(x_data,y_data) # 画图
plt.show()
print(x_data.shape) # 样本数量
x_data = data[:,0,np.newaxis] # 给数据加上维度
y_data = data[:,1,np.newaxis]
# 创建并拟合模型
model = LinearRegression()
model.fit(x_data,y_data)
#LinearRegression(copy_X=True,fit_intercept=True,n_jobs=1,normalize=Flase)
# 画图
plt.plot(x_data,y_data,'b.') # b代表blue .表示用.画出来
plt.plot(x_data,model.predict(x_data),'r') # 画线,r代表red
plt.show()