sklearn估计器构建线性回归模型（Linear Regression）及其模型评价

以Boston数据集为例，使用sklearn估计器构建线性回归模型，代码如下：

##加载所需函数
from sklearn.linear_model import LinearRegression
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split

## 加载boston数据
boston = load_boston()
X = boston['data']
y = boston['target']
names = boston['feature_names']

## 将数据划分为训练集测试集
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size = 0.2,random_state=125)

## 建立线性回归模型
clf = LinearRegression().fit(X_train,y_train)
print('建立的LinearRegression模型为：','\n',clf)

## 预测训练集结果
y_pred = clf.predict(X_test)
print('预测前20个结果为：','\n',y_pred[:20])

利用预测结果和真实结果画出折线图，能够直观的看出线性回归模型效果：

import matplotlib.pyplot as plt
from matplotlib import rcParams
rcParams['font.sans-serif'] = 'SimH