机器学习——线性回归算法

第一步：建立模型

#从Scikit-Learn库中导入线性回归算法
from sklearn import linear_model

#训练线性回归模型
model = linear_model.LinearRegression()
model.fit(x,y)

#进行预测
print(model.predict(x_))
#输出权重
print(model.coef_)
#输出偏置
print(model.intercept_)

第二步：导入数据

        

Numpy的linspace函数可以均匀返回间隔均匀的数值。这里设置的数值区间在-3到3之间，数量30，自变量x的序列，类型为ndarray(ndarray对象是用于存放同类型元素的多维数组)

python绘图scatter用法                                                                                                  

#导入所需的库
import matplotlib.pyplot as plt
import numpy as np

#生成数据集
#加入随机扰乱
x = x+np.random.rand(30)
#x = np.linspace(-3,3,30)
y = 2*x+1

#数据集绘图
plt.scatter(x,y)
plt.show()

直接传入x，y维度错误，fit方法需传入矩阵 

x = [[i] for i in x]
y = [[i] for i in y]
x_ = [[1],[2]]
#x_测试