sklearn中的線性模型

在skearn中，可以使用sklearn.linear_model來建立線性模型

然後用fit函式去訓練

然後用predict去**

還可以用score函式去**同時計算**的準確度

import numpy as np

import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn import linear_model
#獲取資料 x，y,並畫圖
x, y = datasets.make_regression(n_samples=
100, n_features=
1, n_targets=
1, noise=1)
plt.scatter(x, y)
plt.show(
)#區分訓練集和測試集
x_train = x[:-
20]x_test  = x[-20
:]y_train = y[:-
20]y_test  = y[-20
:]#選擇模型
lm = linear_model.linearregression(
)#訓練，獲得模型
lm.fit(x_train, y_train)
#檢視模型的引數，也就是係數
print
('模型引數:'
, lm.coef_)
#訓練集和測試集的**值
train_pred = lm.predict(x_train)
test_pred  = lm.predict(x_test)
#輸出**的誤差
print
("訓練集的**均方誤差:%.2f"
% np.mean(
(train_pred-y_train)**2
))print
("測試集的**均方誤差:%.2f"
				
線性回歸模型sklearn實現
classsklearn.linear model.linearregression fit intercept true,normalize false,copy x true,n jobs none 引數 fit intercept 布林值，可選，預設為真 是否計算模型的截距。如果設定為假，則不...
				
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包實現線性回歸模型
前言 上篇文章我們利用python實現了梯度下降演算法用於訓練一元線性回歸模型，但正常我坐機器學習多會使用比較成熟的相關包，因為這些封裝好的包，演算法效率相對較高，並且使用方便。本文使用sklearn包中線性模型實現一元線性回歸模型的訓練。一 sklearn訓練線性回歸模型只需要兩句 1 model...