python线性输出_用matplotlib绘制sklearn线性回归输出

^{}需要它的参数X : numpy array or sparse matrix of shape [n_samples,n_features]

y : numpy array of shape [n_samples, n_targets]

这里有1个“feature”和1个“target”，因此输入的预期形状是(n_samples,1)

如果是这样的话x_values=dataframe[['Brain']]

y_values=dataframe[['Body']]

np.array(dataframe['Brain'],dtype=np.float64).reshape(1,-1)的形状是(n_samples,)。

从dataframe列中选择所需形状的另一个选项是将它们广播到具有新轴的2D数组中x_values=dataframe['Brain'].values[:,np.newaxis]

y_values=dataframe['Body'].values[:,np.newaxis]

注意，为了显示一个好的行，您可能需要对x值进行排序。import pandas as pd

from sklearn import linear_model

from matplotlib import pyplot

import numpy as np

#read data

x = np.random.rand(25,2)

x[:,1] = 2*x[:,0]+np.random.rand(25)

dataframe = pd.DataFrame(x,columns=['Brain','Body'])

x_values=dataframe['Brain'].values[:,np.newaxis]

y_values=dataframe['Body'].values[:,np.newaxis]

body_reg = linear_model.LinearRegression()

body_reg.fit(x_values, y_values)

prediction=body_reg.predict(np.sort(x_values, axis=0))

pyplot.scatter(x_values, y_values)

pyplot.plot(np.sort(x_values, axis=0),prediction)

pyplot.show()