机器学习(3)-线性回归

线性回归

线性回归是估计输入数据与连续值输出数据之间关系的过程,数据通常是实数形式,目的是为了 估计满足映射关系的基本函数

• 创建数据文件: data_singlevar.txt

1,2
2,4.3
3,6.2
4,7.8
5,9.9
6,11.7

线性回归代码如下: test.py
#-*- coding:utf-8 -*-
from sklearn import linear_model
import sys
import numpy as np
import matplotlib.pyplot as plt
#创建训练模型
filename=sys.argv[1]
x=[]
y=[]
with open(filename,'r') as f:
    for line in f.readlines():
        xt,yt=[float(i) for i in line.split(',')]
        x.append(xt)
        y.append(yt)
#使用百分之八十的数据作为训练数据集,其余作为测试训练集
num_training=int(0.8*len(x))
num_test=len(x)-num_training
#训练数据
x_train=np.array(x[:num_training]).reshape((num_training,1))
y_train=np.array(y[:num_training])
#测试数据
x_test=np.array(x[:num_training]).reshape((num_training,1))
y_train=np.array(y[:num_training])
#创建线性回归对象
linear_regressor=linear_model.LinearRegression()
#用训练数据集训练模型
linear_regressor.fit(x_train,y_train)
y_train_pred=linear_regressor.predict(x_train)
plt.figure()
plt.scatter(x_train,y_train,color='green')
plt.plot(x_train,y_train_pred,color='black',linewidth=4)
plt.title('Test Data')
plt.show()

• 执行程序 python test.py data_singlevar.txt

• 输出预测图形
  这里写图片描述