学习笔记二_线性回归模型python实战——《python大战机器学习》

最新推荐文章于 2024-07-16 15:41:33 发布

黑蛋最爱啾啾

最新推荐文章于 2024-07-16 15:41:33 发布

阅读量953

点赞数

分类专栏： python 文章标签： python

本文链接：https://blog.csdn.net/jiushinayang/article/details/81097177

版权

这篇博客介绍了如何使用scikit-learn的LinearRegression进行线性回归模型的实战，包括模型参数、属性和方法的详细说明，并展示了如何训练和预测。

摘要由CSDN通过智能技术生成

线性回归模型的python实战如下：

1. 导入包和数据集

# 导入包
import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets, linear_model, discriminant_analysis, model_selection
# 在书中，从sklearn中导入的最后一个模块为cross_validation而不是model_selection，但cross_validaton在0.18版本中被弃用，其中内容移至model_selection中。
# 在线性回归问题中，使用的数据集是scikit-learn自带的一个糖尿病病人的数据集。
 


# 加载数据集的函数如下：
def load_data():
    diabetes = datasets.load_diabetes()  # diabete指糖尿病
    return model_selection.train_test_split(diabetes.data, diabetes.target, test_size=0.25, random_state=0)
# 返回值为：一个元组，元组依次是：训练样本集、测试样本集、训练样本集对应的标签值、测试样本集对应的标签值。
# load_data()函数加载数据集并随机切分数据集为两个部分，其中test_size指定了测试集为原始数据集的大小&#