SKlearn机器学习

最新推荐文章于 2024-06-18 05:50:29 发布

银鴉

最新推荐文章于 2024-06-18 05:50:29 发布

阅读量246

点赞数 1

分类专栏：个人笔记文章标签：机器学习 Sklearn python3

本文链接：https://blog.csdn.net/qq_24047725/article/details/90648248

版权

个人笔记专栏收录该内容

3 篇文章 0 订阅

订阅专栏

线性回归分析 (1)

简单的线性回归

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)