线性回归代码

2841097014

import numpy as np
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt
6 X  A5 g. n1 M8 O+ I  }
( R" N% U% L1 k5 s; i% @2 R/ _+ P3 H# 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)
6 s3 J& q0 `* ?
: R( g2 m2 J7 X# 创建线性回归模型
% {- F: _. V. [8 X' smodel = LinearRegression()

# 训练模型
: V* o: d% o- M( O  mmodel.fit(X, y)
0 `" F& i8 p) F" e' F0 v
# 打印模型的参数
print("Intercept:", model.intercept_)
print("Coefficient:", model.coef_[0])
/ B+ @' c$ R4 o' l! m: ^9 ?
# 预测新数据点
new_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
! u3 S( B" s( X3 l9 |. gplt.scatter(X, y, color='blue')
plt.plot(X, model.predict(X), color='red')
plt.xlabel('X')
plt.ylabel('y')
plt.title('Linear Regression')
! @: g6 a4 u4 T& J2 @plt.show()
! R6 r: z% L- Z! r! m4 q
$ q* h% i# g9 {