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