import numpy as np
import sklearn as sk
import matplotlib.pyplot as plt
X = np.array([[6],[8],[10],[14],[18]]).reshape(-1,1)
X
Y = [7,9,13,17.8,18]
Y
plt.figure()
plt.title('pizaa price potted against diameter')
plt.xlabel('Diameter in inches')
plt.ylabel('Price in dollars')
plt.plot(X,Y,'K')
plt.axis([0,25,0,25])
plt.grid(True)
plt.show()
# 使用简单的线性回归模型来建模
from sklearn.linear_model import LinearRegression
model = LinearRegression() #创建一个估计器实例
model.fit(X,Y) #使用训练数据对模型进行拟合
test_pizza = np.array([[12]])
yuce = model.predict(test_pizza)[0]
#预测一个直径之前从未见过的pizaa价格
print('一个直径12英寸的PIZAA应该花费: $%.2f' % yuce)