python使用sklearn实现一元线性回归

python使用sklearn实现一元线性回归（sklearn.linear_model.LinearRegression()）

from sklearn import linear_model
import numpy as np

x = np.array([[12],[5],[7],[8]])
y = np.array([24,10,14,16])
lm = linear_model.LinearRegression()
# 拟合模型
lm.fit(x,y)
print(lm.predict([[30]]))
#查看回归方程系数
print('Coefficients:', lm.coef_)
#查看回归方程截距
print('intercept:', lm.intercept_)

1. 线性回归fit函数用于拟合输入输出数据，调用形式为lm.fit(X,y, sample_weight=None)： (lm = linear_model.LinearRegression() 对象)
   X : X为训练向量，X为数组或者列表要与Y对应，是二维数组
   y : y为相对于X的目标向量，一维数组
   sample_weight : 分配给各个样本的权重数组，一般不需要使用，可省略。
2. lm.predict(x)
   x : x为输入的新的向量，该函数将返回出新的向量对应的模型结果
3. 查看方程
   #查看回归方程系数
   print(‘Coefficients:’, lm.coef_)
   #查看回归方程截距
   print(‘intercept:’, lm.intercept_)