线性回归代码

2841097014

import numpy as np
; E6 ^0 p- g9 |! k7 @  }& kfrom sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt

# 生成一些示例数据
np.random.seed(0)
X = 2 * np.random.rand(100, 1)
( I5 N" ]0 B4 P& h0 H/ Q0 A& J) |# W% ny = 3 + 4 * X + np.random.randn(100, 1)

  b- C4 `( v# Z  E# 创建线性回归模型
model = LinearRegression()
" R8 t. V0 r7 o& L( F  }
) u6 V. J2 ^" `- d( d4 |+ _# 训练模型
model.fit(X, y)
7 n7 R, k  X1 i# A0 `# W
# 打印模型的参数
print("Intercept:", model.intercept_)
print("Coefficient:", model.coef_[0])

/ T3 N. S, d2 i4 Y) A* e# 预测新数据点
new_X = np.array([[1.5]])  # 输入一个新的 X 值进行预测
6 R( w+ ~3 h+ Q2 \8 epredicted_y = model.predict(new_X)
- U. }) x0 ~/ gprint("Predicted y:", predicted_y)
' y: G4 u, E( ^7 [; x* P
4 H" Q9 K' n. O# u  j& n# 绘制数据和拟合线
plt.scatter(X, y, color='blue')
plt.plot(X, model.predict(X), color='red')
plt.xlabel('X')
plt.ylabel('y')
+ ^# e. ?& R( _9 A$ O1 cplt.title('Linear Regression')
" x5 G9 Y& R* i& f8 \  x& Oplt.show()