Python多元线性回归，科学技术协会面试

输出

5.拆分训练集和测试集

训练集测试集拆开 百分之75用于训练 百分之25用于测试

random_state 在需要设置random_state的地方给其赋一个值，当多次运行此段代码能够得到完全一样的结果，别人运行此代码也可以复现你的过程。若不设置此参数则会随机选择一个种子，执行结果也会因此而不同了。虽然可以对random_state进行调参，但是调参后在训练集上表现好的模型未必在陌生训练集上表现好，所以一般会随便选取一个random_state的值作为参数。

X_train,X_test,Y_train,Y_test = train_test_split(X,Y,random_state=1);

print(X_train.shape," “,X_test.shape,” “,Y_train.shape,” ",Y_test.shape);

输出

6.线性回归

sklearn线性回归

lrg = LinearRegression();

model = lrg.fit(X_train,Y_train); #训练

print(model);

print(lrg.intercept