线性回归(一元曲线拟合 ) python

import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import  PolynomialFeatures
import matplotlib.pyplot as plt
x = np.array([1,1.1,1.2,1.3,1.4,1.5,1.6,1.7,1.8,1.9])# y = 0.8x^2 + 0.8x + 1 
y = np.array([2.6,2.848,3.112,3.392,3.688,4,4.328,4.672,5.032,5.408])
x = np.reshape(x,newshape=(-1,1))
y = np.reshape(y,newshape=(-1,1))
# 调用模型  degree为最高项系数
poly_reg =PolynomialFeatures(degree=2)
X_ploy =poly_reg.fit_transform(x)
lr = LinearRegression()
# 训练模型
lr.fit(X_ploy,y)

print('截距为:',lr.intercept_,'\n')
print('系数为:',lr.coef_,'\n')

# 计算R平方
print(lr.score(X_ploy,y))
# 计算y_hat
y_hat = lr.predict(X_ploy)
# 打印出图
plt.scatter(x,y)
plt.plot(x, y_hat)
plt.show()



  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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