线性回归代码

2841097014

import numpy as np
( |' R! @6 }# P# O- d' X* |5 Gfrom sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt
+ H$ `/ |- r( a- G% O
# 生成一些示例数据
np.random.seed(0)
X = 2 * np.random.rand(100, 1)
y = 3 + 4 * X + np.random.randn(100, 1)
" ~4 R' v0 J  t  T
/ C: g8 `# f6 M4 K9 P4 Y- i# 创建线性回归模型
model = LinearRegression()
9 X0 ?. v' F) k1 v% n' @
4 [# g, r3 d) H4 L3 s# 训练模型
9 p/ v) j/ u! [model.fit(X, y)
9 Y! J/ s# O( J  {
' K2 M6 U. K9 p; g8 P9 o" o1 N# 打印模型的参数
4 Q9 ]: j& q: V+ e8 o# aprint("Intercept:", model.intercept_)
print("Coefficient:", model.coef_[0])

5 a: w! O3 k/ x0 M9 Z# S# 预测新数据点
% {6 l4 A4 ?3 i* j' i8 W4 k, t$ h5 inew_X = np.array([[1.5]])  # 输入一个新的 X 值进行预测
predicted_y = model.predict(new_X)
print("Predicted y:", predicted_y)

# 绘制数据和拟合线
  z" K$ \- ?6 Q: Kplt.scatter(X, y, color='blue')
8 }; P8 c3 `$ ~; @plt.plot(X, model.predict(X), color='red')
0 i9 Y& K8 g# L. J# p! \: B8 U$ Pplt.xlabel('X')
- g' c  i3 t/ F" r2 p; k/ V8 H5 pplt.ylabel('y')
plt.title('Linear Regression')
plt.show()
7 L1 q. Q% p3 H1 k% b8 ?% T
2 @- e, N% t( s1 I) P2 B