废话不多说,直接上源码 import numpy as np import matplotlib.pyplot as plt from scipy import optimize def f_l(x, w, b): return ((w * x) + b) xdata = [8., 3., 9., 7., 16., 05., 3., 10., 4., 6.] ydata = [30., 21., 35., 27., 42., 24., 10., 38., 22., 25.] # (1)以下代码画出xdata, ydata的散点图以及线性回归的函数图。 # 绘制散点图 # 直线拟合与绘制 plt.scatter(xdata[:], ydata[:], 50, 'green') a, b = optimize.curve_fit(f_l, xdata, ydata)[0] x1 = np.arange(2, 20, 0.01) y1 = (a * x1) + b plt.plot(x1, y1, linewidth=3, color="yellow") plt.title("Linear Regression Model") plt.xlabel("x") plt.ylabel("y") plt.show()
觉得有用点个关注,跟着无神,有更多资源学习ML。
资源准备不易,一键三连哦