【Machine Learning】7.使用Scikit-Learn进行线性回归（2）一般方程的封闭解

最新推荐文章于 2023-05-27 14:43:13 发布

KiraFenvy

最新推荐文章于 2023-05-27 14:43:13 发布

阅读量353

点赞数 1

分类专栏： Machine Learning

本文链接：https://blog.csdn.net/m0_51371693/article/details/127018649

版权

使用Scikit-Learn进行线性回归——一般方程的封闭解

1.导入
2.载入数据
3.拟合数据
4.预测
5.第2个例子_多特征输入

基本同上节，但线性回归的拟合方式不同，这次不需要数据归一化和梯度下降，之前调的库sklearn.linear_model.SGDRegressor 和 sklearn.preprocessing.StandardScaler 没有派上用场，这次用到的是 sklearn.linear_model.LinearRegression.

numpy文档
 scikit-learn中文社区某些翻译明显机翻
scikit-learn官方

1.导入

import numpy as np
np.set_printoptions(precision=2)
from sklearn.linear_model import LinearRegression, SGDRegressor
from sklearn.preprocessing import StandardScaler
from lab_utils_multi import  load_house_data
import matplotlib.pyplot as plt
dlblue = '#0096ff'; dlorange = '#FF9300'; dldarkred='#C00000'; dlmagenta='#FF40FF'; dlpurple='#7030A0'; 
plt.style.use('./deeplearning.mplstyle')