机器学习入门之线性回归

本文介绍了机器学习中的线性回归基础知识,并通过实例展示了如何使用Python建立线性回归模型。首先,解释了线性回归的概念,然后通过一个简单的数据集训练模型,分析了模型的系数和截距。接着,应用线性回归预测房价,发现单因子模型预测效果有限。最后,采用多因子模型改善预测精度,得出实际房价与预测房价基本一致的结论。
摘要由CSDN通过智能技术生成

机器学习入门之线性回归


大家好,我是一枚大三计算机专业的大学生,毕业之后打算往人工智能方向发展,目前的编程语言基本上是自学的(大一大二都玩过去了TAT),最近看了Flare老师的:“Python3入门人工智能 掌握机器学习+深度学习 提升实战能力”,感觉特别不错,所以和大家分享一下内容以及学习笔记。加油!欧里给!

线性回归
线性回归作为机器学习里面很基础的一部分也是很重要的一部分,我们看看百度词条的解释:(看上去很复杂,其实就是一元一次方程)
在这里插入图片描述
话不多说,我们开始做一个简单的练习

#一开始,我们先引入一个用来练习的数据集
import pandas as pd
data = pd.read_csv('generated_data.csv')

数据集很简单:
应该可以很轻松看出,x与y之间的关系是y=2x+5

#data赋值
x = data.loc[:,'x']#这里的意思是:把'x'那一列的所有行数据赋值给新的x
y = data.loc[:,'y']#同理
print(x,'\n',y)#结果如下

在这里插入图片描述在这里插入图片描述(这里注意左边一列为序号,右边为实际值)

#数据可视化
from matplotlib import pyplot as plt
plt.figure(figsize=(10,10))
plt.scatter(x,y)#绘制散
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值