线性回归代码

2841097014

import numpy as np
8 ]2 I: c/ W9 E# Qfrom sklearn.linear_model import LinearRegression
8 s- \) m- x$ L* m- Qimport matplotlib.pyplot as plt
2 }1 s: v! ^. X% j3 Z! d
3 U: p1 s/ G/ J' g3 A( }# 生成一些示例数据
3 A$ ~# N7 @+ u# A; b8 ?+ s) unp.random.seed(0)
X = 2 * np.random.rand(100, 1)
y = 3 + 4 * X + np.random.randn(100, 1)

  G. k, O" X; x' ]# A# 创建线性回归模型
model = LinearRegression()
  ^0 j# K6 l( z, L$ h$ R
# 训练模型
model.fit(X, y)

# 打印模型的参数
print("Intercept:", model.intercept_)
* l% P) k: y3 G3 m8 wprint("Coefficient:", model.coef_[0])

# 预测新数据点
( P$ k! S' a7 r; k1 J2 S# Jnew_X = np.array([[1.5]])  # 输入一个新的 X 值进行预测
& s+ h& v2 O: p4 g0 Ypredicted_y = model.predict(new_X)
print("Predicted y:", predicted_y)

# 绘制数据和拟合线
plt.scatter(X, y, color='blue')
. T6 d( E- q8 O) A- zplt.plot(X, model.predict(X), color='red')
; O+ v0 d9 ~$ \( O) k( zplt.xlabel('X')
  w/ O/ y" Q, {& W4 d  O3 Eplt.ylabel('y')
. A3 t7 _2 N  aplt.title('Linear Regression')
plt.show()


+ ^4 A$ Z1 K  }4 J8 i