from sklearn.datasets import load_diabetes
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
# 加载数据
X, y = load_diabetes(return_X_y=True)
# 将数据集拆分为训练集与测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
# 初始化线性回归模型对象
model = LinearRegression()
# 在训练集上训练模型
model.fit(X_train, y_train)
# 获取线性回归模型的系数(斜率)
k = model.coef_
# 获取线性回归模型的截距
b = model.intercept_
print('线性回归模型斜率:', k)
print('线性回归模型截距:', b)
# 在测试集上计算模型的决定系数
score = model.score(X_test, y_test)
print('线性回归模型的决定系数:', score)
# 该score方法返回的是决定系数(R^2)
# 越接近1代表模型的预测性能越好,越接近0则代表模型的预测效果较差。
机器学习-sklearn-分类,线性模型linear_model的简单使用
于 2024-04-12 14:15:19 首次发布