线性回归代码

2841097014

import numpy as np
$ L, C. ?; |9 R. O. ?2 nfrom sklearn.linear_model import LinearRegression
2 I9 M! P: ]* ^) v9 z9 S# |import matplotlib.pyplot as plt

$ b1 }0 i- b" a4 X1 q# 生成一些示例数据
np.random.seed(0)
X = 2 * np.random.rand(100, 1)
% N4 O- Q" o, C* Ay = 3 + 4 * X + np.random.randn(100, 1)
8 o6 Z1 G' H3 [- P: J
: {$ E/ A& l) ^! z+ `# 创建线性回归模型
model = LinearRegression()

# 训练模型
3 X% u8 d4 V* N5 ?! v: j) l4 {model.fit(X, y)

2 m' z; \  l6 X( f8 N# 打印模型的参数
print("Intercept:", model.intercept_)
% Z  D" }# [* N9 Eprint("Coefficient:", model.coef_[0])

' G- t& T0 N3 |$ s5 O( s# 预测新数据点
% ?+ s: v3 w! `1 y* l8 r; x: enew_X = np.array([[1.5]])  # 输入一个新的 X 值进行预测
1 a0 I! D" G4 p, ]) w. C* l1 Rpredicted_y = model.predict(new_X)
print("Predicted y:", predicted_y)

# 绘制数据和拟合线
plt.scatter(X, y, color='blue')
: {( l" o- J( h4 [! jplt.plot(X, model.predict(X), color='red')
plt.xlabel('X')
( ]. L7 v  v; fplt.ylabel('y')
/ D5 O: H( y7 Z- U3 cplt.title('Linear Regression')
plt.show()