python回归建模_线性回归模型的Python实现

# 创建数据集，把数据写入numpy数组

import numpy as np # 引入numpy库，主要用来做科学计算

import pandas as pd # 提供了大量库和标准数据模型，如series数据结构等

from sklearn import linear_model # 导入机器学习库里的线性回归模型

import matplotlib.pyplot as plt # 引用matplotlib库，主要用来画图

data = np.array([[152,51],[156,53],[160,54],[164,55],[168,57],[172,60],

[176,62],[180,65],[184,69],[188,72]])

打印出数组的大小

print(data.shape)

从data中提取出身高和体重，分别存在x,y变量中

x,y = data[:,0].reshape(-1,1), data[:,1]

在二维空间里画出身高和体重的分布图

#plt.scatter(x,y,color=‘black’)

#plt.xlabel(‘height(cm)’)

#plt.ylabel(‘wright(kg)’)

#plt.show()

建立线性回归模型，并进行训练

model = linear_model.LinearRegression()

model.fit(x,y)

检验模型效果

coef = model.coef_ # 获取自变量系数

intercept = model.intercept_ # 获取截距

R2 = model.score(x,y)