sklearn——一元线性回归

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

# 载入数据
data = np.genfromtxt("data.csv", delimiter=",")
x_data = data[:,0]
y_data = data[:,1]
plt.scatter(x_data,y_data)
plt.show()
print(x_data.shape)

x_data = data[:,0,np.newaxis]#np.newaxis加上一个维度
print(x_data.shape)
y_data = data[:,1,np.newaxis]
# 创建并拟合模型
model = LinearRegression()#调用线性回归模型
model.fit(x_data, y_data)

为什么在这里要增加维度呢？因为这个模型规定必须是一个两维的参数。

# 画图
plt.plot(x_data, y_data, 'b.')
plt.plot(x_data, model.predict(x_data), 'r')
plt.show()