机器学习-sklearn-分类，线性模型linear_model的简单使用

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。