使用Scikit-Learn进行线性回归——一般方程的封闭解
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')
2.载入数据
导入数据
X_train = np.array([1.0, 2.0])