sklearn 线性回归

import numpy as np
复制代码

import matplotlib.pyplot as plt
%matplotlib inline
复制代码

x = np.linspace(0, 30, 20)
复制代码

y = x + 3*np.random.randn(20)
复制代码

plt.figure(figsize=(10, 8))
plt.scatter(x, y)
复制代码

<matplotlib.collections.PathCollection at 0x1115cc208>
复制代码

from sklearn.linear_model import LinearRegression
复制代码

model = LinearRegression()
复制代码

X = x.reshape(-1, 1)
复制代码

Y = y.reshape(-1, 1)
复制代码

model.fit(X, Y)
复制代码

LinearRegression(copy_X=True, fit_intercept=True, n_jobs=1, normalize=False)
复制代码

model.predict([[40]])
复制代码

array([[38.18890435]])
复制代码

plt.figure(figsize=(12, 8))
plt.scatter(X, Y)
plt.plot(X, model.predict(X))
复制代码

[<matplotlib.lines.Line2D at 0x1a1c284e48>]
复制代码

Y_PRE = model.predict(X)
复制代码

np.sum(np.square(Y_PRE, Y))
复制代码

5760.457790652543
复制代码

model.coef_, model.intercept_
复制代码

(array([[0.94170908]]), array([0.52054117]))
复制代码