线性回归

最新推荐文章于 2024-08-18 00:55:56 发布

子衿_青青

最新推荐文章于 2024-08-18 00:55:56 发布

阅读量247

点赞数

分类专栏： sklearn调包文章标签：线性回归 Linear_Regression

本文链接：https://blog.csdn.net/qq_18433441/article/details/70550734

版权

sklearn调包专栏收录该内容

3 篇文章 0 订阅

订阅专栏

线性回归，简单讲就是拟合一条直线，意味着可以将输入项分别乘以一些回归系数，再将结果加起来作为输出

训练线性回归算法，就是找到回归系数

#线性回归例子
from sklearn import datasets
import numpy as np

diabetes = datasets.load_diabetes()
diabetes_X_train = diabetes.data[:-20]
diabetes_X_test  = diabetes.data[-20:]
diabetes_y_train = diabetes.target[:-20]
diabetes_y_test  = diabetes.target[-20:]

from sklearn import linear_model
regr = linear_model.LinearRegression()
regr.fit(diabetes_X_train, diabetes_y_train)
print(regr.coef_) #输出线性回归的参数
# The mean square error
err = np.mean((regr.predict(diabetes_X_test)-diabetes_y_test)**2)
print(err)
# Explained variance score: 1 is perfect prediction
# and 0 means that there is no linear relationship
# between X and y.
print(regr.score(diabetes_X_test, diabetes_y_test))