python线性输出_python sklearn-02：线性回归简单例子1

原文链接：https://muxuezi.github.io/posts/2-linear-regression.html

1.一元线性回归：

#一元线性回归：

预测披萨的价格：数据如下：

import matplotlib.pyplot as plt

from matplotlib.font_manager import FontProperties

#这个属性设置是让matplot画图时显示中文的标签

font = FontProperties(fname=r"C:\Windows\Fonts\msyh.ttc",size=15)

#定义画图函数

def runplt():

plt.figure()

plt.title('披萨价格与直径数据',fontproperties=font)

plt.xlabel('直径(英寸)',fontproperties=font)

plt.ylabel('价格(美元)',fontproperties=font)

plt.axis([0,25,0,25],fontproperties=font)

plt.grid(True)

return plt

#训练集数据

X = [[6], [8], [10], [14], [18]]

y = [[7], [9], [13], [17.5], [18]]

#导入一元线性回归函数:y = α + βx

from sklearn.linear_model import LinearRegression

model = LinearRegression()

model.fit(X,y) #训练集数据放入模型中

print ('预测一张12英寸披萨价格：$%.2f' % model.predict([12]))

plt = runplt()

X2 = [[0],[10],[14],[25]]

y2 = model.predict(X2) #预测数据

plt.plot(X,y,'k.')

plt.plot(X2,y2,'g-')

#残差预测值

yr = model.predict(X)

for idx,x in enumerate(X):

plt.plot([x,x], [y[idx], yr[idx]],'r-')

plt.show()

图如下：

解一元线性方程：