线性回归——————机械学习

13 篇文章 0 订阅
本文介绍了使用Python的Scipy库进行线性回归分析,通过`stats.linregress()`计算斜率和截距,并创建自定义函数`myfunc`进行预测。实例展示了如何预测10的值并用Matplotlib绘制散点图和拟合线。
摘要由CSDN通过智能技术生成

#!/usr/bin/python
#encoding:utf-8
import matplotlib.pyplot as plt
from scipy import stats

x = [5,7,8,7,2,17,2,9,4,11,12,9,6]
y = [99,86,87,88,111,86,103,87,94,78,77,85,86]

slope, intercept, r, p, std_err = stats.linregress(x, y)

def myfunc(x):
  return slope * x + intercept

mymodel = list(map(myfunc, x))
speed = myfunc(10)
print("预测10的值为",speed)
plt.scatter(x, y)
plt.plot(x, mymodel)
plt.show()

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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
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