sklearn包实现线性回归模型

sklearn包实现线性回归模型

前言: 上篇文章我们利用python实现了梯度下降算法用于训练一元线性回归模型,但正常我坐机器学习多会使用比较成熟的相关包,因为这些封装好的包,算法效率相对较高,并且使用方便。本文使用sklearn包中线性模型实现一元线性回归模型的训练。

一、sklearn训练线性回归模型只需要两句代码
1、model = LinearRegression() # 建立模型
2、model.fit(x_2data, y_2data) # 训练模型
3、 model.predict(x_2data) # 根据上面训练的模型预测数据

二、示例代码

from sklearn.linear_model import LinearRegression
import numpy as np
import matplotlib.pyplot as plt

# 读取数据
data = np.genfromtxt('data.csv', delimiter=',')
x_data = data[:, 0]
y_data = data[:, 1]

x_2data = x_data[:, np.newaxis]  # 添加列,增加维度,转为二维数据
y_2data = y_data[:, np.newaxis]  # 添加列,增加维度,转为二维数据

# 创建并训练模型
model = LinearRegression()
model.fit(x_2data, y_2data)

# 绘制训练拟合好的模型
plt.scatter(x_data, y_data, c='b', s=50)
plt.plot(x_data, model.predict(x_2data), color='red', linewidth=1.0)
plt.show()

三、运行结果
在这里插入图片描述
由上图可知sklearn训练的模型对样本数据的拟合效果较好

四、数据下载地址
链接:https://pan.baidu.com/s/1KhPIzejxFZfbkIGZo8J8lg
提取码:slg1

  • 3
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Mekeater

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值