【Python】sklearn LinearRegression 一元线性回归预测并得出回归方程

创建模型

# 创建模型
model = LinearRegression()
# 将数据转化成DataFrame
x = pd.DataFrame({'salary': salary})
x = x['salary'].values.reshape((-1, 1)) #取出salary的值并转化为矩阵

拟合模型

# 拟合模型
# 这里 fit()方法学得了一元线性回归模型 𝑓(𝑥)=𝑤𝑥+𝑏，这里 𝑥 指工资，𝑓(𝑥) 为预测的犯罪率。
# fit() 的第一个参数 X 为 shape(样本个数，属性个数) 的数组或矩阵类型的参数，代表输入空间；
# 第二个参数 y 为 shape(样本个数,) 的数组类型的参数，代表输出空间。
model.fit(x, case_num)

得出回归方程

# 得出回归方程
# 从训练好的模型中提取系数和偏值
w = model.coef_[0]
b = model.intercept_
print("w is: ", w) # 系数
print("b is: ", b) # 偏值

画出拟合曲线

# 画出拟合曲线
plt.plot(salary, model.predict(x), color='g')

#完善图表
plt.xlabel("salary")
plt.ylabel("record")
plt.title("LinearRegression")
plt.grid()
plt.legend()
plt.savefig("LinearRegression.png", pad_inches=0, dpi=300)
plt.show()
plt.close()