Python机器学习创建线性回归器

机器学习需要解决的问题一般可以分为分类、聚类、回归等几大类问题。
线性回归是拟合输入数据和输出数据之间的关系的过程。
输入数据：二维坐标的一些散点
输出：拟合的一次线性方程

import sys
import numpy as np

x=[]
y=[]
filename='/home/XXX/tensorflow/data_singlevar.txt'
with open(filename,'r') as f:
    for line in f.readlines():
        xt,yt=[float(i) for i in line.split(',')]
        x.append(xt)
        y.append(yt)

num_training=int(0.8*len(x))
num_test=len(x)-num_training

x_train=np.array(x[:num_training]).reshape((num_training,1))
y_train=np.array(y[:num_training])
x_test=np.array(x[num_training:]).reshape((num_test,1))
y_test=np.array(y[num_training:])

from sklearn import linear_model
linear_regressor=linear_model.LinearRegression()
linear_regressor.fit(x_train,y_train)
import matplotlib.pyplot as plt
y_train_pred=linear_regressor.predict(x_train)
plt.figure()
plt.scatter(x_train,y_train,color='green')
plt.plot(x_train,y_train_pred,color='black',linewidth=4)
plt.title('Training Data')
plt.show()

y_test_pred=linear_regressor.predict(x_test)
plt.scatter(x_test,y_test,color='green')
plt.plot(x_test,y_test_pred,color='black',linewidth=4)
plt.title('Test Data')
plt.show()