linear------------示例

xzwyb---

已于 2024-04-12 21:20:25 修改

阅读量224

点赞数

分类专栏：机器学习文章标签： python 机器学习开发语言

于 2022-08-07 17:35:02 首次发布

本文链接：https://blog.csdn.net/weixin_51347879/article/details/126214300

版权

本文深入探讨了Python中用于机器学习的线性模型，包括线性回归的基本概念、实现过程以及在实际问题中的应用。通过实例代码，展示了如何使用Python库如Scikit-Learn训练和评估线性模型，并讨论了模型的优缺点和适用场景。

摘要由CSDN通过智能技术生成

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression, Lasso, Ridge, ElasticNet
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import PolynomialFeatures
import matplotlib.pyplot as plt
import matplotlib.pylab as mpl
import sys
import joblib

import warnings

warnings.filterwarnings("ignore")

# 设置中文符，防止中文乱码
mpl.rcParams['font.sans-serif'] = [u'simHei']
mpl.rcParams['axes.unicode_minus'] = False

# 加载数据
data = pd.read_csv('../data/boston_housing.data', sep='\s+', header=None)

# 获取特征属性X和目标属性Y
X = data.iloc[:, :-1]
Y = data.iloc[:, -1]
# print('X=', X)
# print('Y=', Y)
# 划分训练集和测试集
x_train, x_test, y_train, y_test = train_test_split(X, Y, test_size=0.3, random_state=20)

# 构建模型；fit_intercept是否是需要项
linear = LinearRegression(fit_intercept=True)

# 模型训练
linear.fit(x_train, y_train)
pr