使用糖尿病数据集的第一个特征,以说明二维图中的数据点。
图中显示了线性回归如何尝试绘制一条直线,最小化数据集中观察到的结果与线性近似预测的结果之间的残差平方和。
还计算了线性模型的系数、残差平方和和决定系数。
输出:Coefficients:
[938.23786125]
Mean squared error: 2548.07
Coefficient of determination: 0.47
import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets, linear_model
from sklearn.metrics import mean_squared_error, r2_score
diabetes_X, diabetes_y = datasets.load_diabetes(return_X_y=True