sklearn例項 3 線性回歸

通過學習，找到屬性的線性組合來**輸出標記。

一般採用均方誤差作為損失函式：

# 載入波士頓房價資料庫

bostondata=datasets.load_boston()

x=bostondata.data

y=bostondata.target

#劃分測試集和訓練集

x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.2)

lr=linearregression()

lr.fit(x_train,y_train)

print '係數',lr.coef_

print '截距',lr.intercept_

print '測試集得分',lr.score(x_test,y_test)

print '訓練集得分',lr.score(x_train,y_train)

分析

from sklearn import datasets

from sklearn.linear_model import linearregression
from sklearn.model_selection import train_test_split
bostondata=datasets.load_boston()
x=bostondata.data
y=bostondata.target
#x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.2)
lr=linearregression()
#lr.fit(x_train,y_train)
#print lr.score(x_test,y_test)
#print lr.score(x_train,y_train)
#交叉驗證方法檢視規律
scores=
score=cross_val_score(lr,x,y,cv=10,scoring='r2')
print score,score.mean()

分析：

from sklearn import datasets

import numpy as np
from sklearn.linear_model import ridge
from sklearn.model_selection import train_test_split
import matplotlib.pyplot as plt
from sklearn.cross_validation import cross_val_score
bostondata=datasets.load_boston()
x=bostondata.data
y=bostondata.target
x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.2)
#改變引數值，檢視規律
再執行會變成這樣
發現每次執行後，規律都不一樣，分析：

分析

				
sklearn 線性回歸 sklearn 線性回歸
sklearn 線性回歸 資料集匯入，以及模型的建立，和線性回歸的應用。import matplotlib.pyplot as plt import numpy as np from sklearn import datasets,linear model from sklearn.metrics ...
				
sklearn    線性回歸
在統計學中，線性回歸 linear regression 是利用稱為線性回歸方程的最小平方函式對乙個或多個自變數和因變數之間關係進行建模的一種回歸分析。這種函式是乙個或多個稱為回歸係數的模型引數的線性組合。只有乙個自變數的情況稱為簡單回歸,大於乙個自變數情況的叫做多元回歸。這反過來又應當由多個相關的...
				
Sklearn實現線性回歸
sklearn是機器學習中常用的第三方模組，對常用的機器學習方法進行了封裝，包括回歸 regression 降維 dimensionality reduction 分類 classfication 聚類 clustering 等方法。今天我們用sklearn實現乙個最簡單的線性回歸模型。coding...