线性回归代码

2841097014

import numpy as np
  e8 l$ \7 |  u- e5 efrom 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)
' Y3 o! s1 A3 ^y = 3 + 4 * X + np.random.randn(100, 1)

. A" W$ i2 d7 {! P0 r# 创建线性回归模型
model = LinearRegression()
- S. Y( j) g4 N; q- [4 T
# 训练模型
model.fit(X, y)
% @% ?* p/ [7 E9 q" h
# 打印模型的参数
print("Intercept:", model.intercept_)
print("Coefficient:", model.coef_[0])
8 y' f; C) y2 Z$ U2 j
: A8 d/ Z7 W: U7 T2 \. a6 c. c# 预测新数据点
$ I2 C' h$ a4 \6 G1 K/ n; F! J$ \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
0 b- W  G( F$ w" a; `; G+ `plt.scatter(X, y, color='blue')
# D9 A$ D* k3 T* H9 Uplt.plot(X, model.predict(X), color='red')
7 g% R" o! ]: W' D5 N" gplt.xlabel('X')
plt.ylabel('y')
# U) \9 ]6 r2 ]0 j, q# b0 p8 Aplt.title('Linear Regression')
* y* H; P, |' X; [" Uplt.show()