機器學習演算法基礎 sklearn求二元線性回歸

直接呼叫sklearn裡面封裝好的函式即可

import numpy as np 

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import axes3d # 可以用來畫3d圖
from sklearn import linear_model
from numpy import genfromtxt
# 匯入資料
data = genfromtxt(r"c:\\ml\\chapter-1\\delivery.csv",delimiter=",")
print(data)
# 切分資料
x_data = data[:,:-1] # 行，列
y_data = data[:,-1] # 行，列
print(x_data)
print(y_data)
# 建立模型
model = linear_model.linearregression()
model.fit(x_data,y_data)
# 係數
print("coefficients:",model.coef_)
# 截距
print("intercept:",model.intercept_)
# 測試
x_test = [[102,4]]
predict = model.predict(x_test)
print("predict:",predict)
ax = plt.figure().add_subplot(111,projection = "3d")
ax.scatter(x_data[:,0],x_data[:,1],y_data,c = 'r',marker = 'o',s = 100) # 點為紅色三角形 s代表點的大小
x0 = x_data[:,0]
x1 = x_data[:,1]
# 生成網路矩陣
x0,x1 = np.meshgrid(x0,x1)
z = model.intercept_ + x0*model.coef_[0] + x1*model.coef_[1]
# 畫3d圖
ax.plot_su***ce(x0,x1,z)
# 設定座標軸
ax.set_xlabel('miles')
ax.set_ylabel("num of deliveries")
ax.set_zlabel('time')
# 顯示影象
				
機器學習基礎  sklearn之多項回歸
利用sklearn裡的函式對多項式進行擬合 第一幅圖是資料圖 第二幅圖是用一元線性回歸擬合的圖 第三幅圖是用多項式回歸擬合出來的 import numpy as np import matplotlib.pyplot as plt from sklearn.linear model import l...
				
機器學習  sklearn之k 近鄰演算法
k 近鄰演算法 k nearest neighbour algorithm 又稱為knn演算法，是資料探勘技術中原理最簡單的演算法。knn 的工作原理 給定乙個已知標籤類別的訓練資料集，輸入沒有標籤的新資料後，在訓練資料集中找到與新資料最接近的k個例項，如果這k個例項中的多數屬於某個類別，那麼新資料...
				
sklearn機器學習 聚類演算法K Means
n init k均值演算法將在不同質心種子下執行的次數。就慣性而言，最終結果將是n init個連續執行的最佳輸出。max iter 單次執行的k均值演算法的最大迭代次數。tol 預設 1e 4，關於frobenius範數的相對容差，該範數表示兩個連續迭代的聚類中心的差異，以宣告收斂。precompu...