scikit-learn 实现简单的二维线性回归

最新推荐文章于 2024-01-07 09:55:04 发布

wangs0622

最新推荐文章于 2024-01-07 09:55:04 发布

阅读量2.1k

点赞数

分类专栏：数据科学文章标签： sklearn 线性回归 regression

本文链接：https://blog.csdn.net/wangs0622/article/details/78191351

版权

本文介绍了如何利用scikit-learn库在Python中实现简单的二维线性回归。通过实例展示了如何找到使点到样本点方差最小的直线，并给出了计算过程和结果。

摘要由CSDN通过智能技术生成

假设我们有这样的一幅图：

这里写图片描述

需要画一条直线，使得点到样本点的方差最小。

具体点的坐标如下：

>>> x = array([[ 0.07786339],
   [-0.03961813],
   [ 0.01103904],
   [-0.04069594],
   [-0.03422907],
   [ 0.00564998],
   [ 0.08864151],
   [-0.03315126],
   [-0.05686312],
   [-0.03099563],
   [ 0.05522933],
   [-0.06009656],
   [ 0.00133873],
   [-0.02345095],
   [-0.07410811],
   [ 0.01966154],
   [-0.01590626],
   [-0.01590626],
   [ 0.03906215],
   [-0.0730303 ]])

>>> y = array([ 233.,   91.,  111.,  152.,  120.,   67.,  310.,   94.,  183.,
     66.,  173.,   72.,   49.,   64.,   48.,  178.,  104.,  132.,
    220.,   57.])

我们使用 python 中的 scikit-learn 第三方模块进行计算：