【机器学习】线性回归

线性回归找出标签与特征之间的连续关系，并进行预测

首先自定义一组数据

import matplotlib.pyplot as plt
import numpy as np
x=np.linspace(0,30,20)
y=x+3*np.random.rand(20)

绘制出来点的关系

plt.figure(figsize=(6,4))
plt.scatter(x,y)
plt.xlabel('time')
plt.ylabel('value')
plt.grid(True)

图像结果为

利用python机器学习sklearn库，调用线性回归并初始化模型

from sklearn.linear_model import LinearRegression
mdoel=LinearRegression()#初始化模型

 进行数据准备，确定测试集和训练集的数据

from sklearn.model_selection import train_test_split
#数据准备，建立训练数据和测试数据
x_train,x_test,y_train,y_test=train_test_split(x,y)

进行模型训练，并进行评估预测

#训练模型
mdoel.fit(x_train.reshape(-1,1),y_train)
#评估模型
mdoel.score(x_test.reshape(-1,1),y_test)
mdoel.predict([[40]])