python机器学习：线性回归_房价和房屋尺寸关系的线性拟合

# 线性回归(Linear Regression)是利用数理统计中回归分析，
# 来确定两种或两种以上变量间相互依赖的定量关系的一种统计分
# 析方法
# 使用算法：线性回归
# 实现步骤：
# 1.建立工程并导入sklearn包
# 2.加载训练数据，建立回归方程
# 3.可视化处理
import matplotlib.pyplot as plt#表示matplotlib的pyplot子库，他提供了与MATLAB相似的绘图API
#表示调用sklearn中的linear_model模块进行线性回归
from sklearn import linear_model
import numpy as np
datasets_x = []
datasets_y = []
fr = open('prices.txt', 'r')
#一次读取整个文件
lines = fr.readlines()
#逐行进行操作，循环遍历所有数据
for line in lines:
    items = line.strip().split(',')#以逗号为分隔符对字符串进行切片
    datasets_x.append(int(items[0]))
    datasets_y.append(int(items[1]))
length = len(datasets_x)
# 将datasets_X转化为数组，并变为二维，以符合线性回归拟合函数输入参数要求。
datasets_x = np.array(datasets_x).reshape([length,1])
datasets_y = np.array(datasets_y)
minX = min(datasets_x)
maxX = max(datasets_x)
x = np.arange(minX,maxX).reshape([-1,1])
linear = linear_model.LinearRegression()
linear.fit(datasets_x, datasets_y)

plt.scatter(datasets_x,datasets_y,color = 'red')
plt.plot(x, linear.predict(x), color = 'blue')
plt.xlabel('Area')
plt.ylabel('Price')
plt.show()