创建模型的过程
import sklearn.linear_model as lm
创建模型
model = lm.LinearRegression()
训练模型
model.fit(输入, 输出) # 通过梯度下降法计算模型参数
预测输出
model.predict(输入)->输出
输入是一个二维数组,每一行是一个样本,每一列是一个特征。
y = wo + w1x1 + w2x2 + … + wnxn
特征1 | 特征2 | ... | 特征n | |
---|---|---|---|---|
样本1 | x11 | x12 | ... | x1n |
样本2 | x21 | x22 | ... | x2n |
样本3 | x31 | x32 | ... | x3n |
代入模型后可以得到
y1
y2
…
ym
输出是一个一维数组,其中每个元素对应输入矩阵中的一行。
如何评价一个模型的好坏呢?
import sklearn.metrics as sm
这边我们使用一组数据
以下是从一个txt文件中读取的数据
4.94,4.37