线性回归代码

2841097014

import numpy as np
# L2 @* j4 h  r5 C& w$ _from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt
2 r* B& b* N. g. `$ s+ F
# 生成一些示例数据
7 m- y# n9 p) Q- S6 o* S  Pnp.random.seed(0)
X = 2 * np.random.rand(100, 1)
  ]/ Q4 p4 O7 o& V7 R: I$ l( wy = 3 + 4 * X + np.random.randn(100, 1)

# 创建线性回归模型
5 h' h& }8 C! g6 H# _& m: }5 ]model = LinearRegression()
$ [1 {% p9 h$ m) q* I
3 s8 J2 J0 Z# q: S% J# 训练模型
# e6 L3 v, k. s) m7 Cmodel.fit(X, y)

# 打印模型的参数
. P' N2 X2 }$ {4 d4 Cprint("Intercept:", model.intercept_)
print("Coefficient:", model.coef_[0])
9 |6 i) b6 }6 |
2 ]' L9 b2 O2 p# 预测新数据点
new_X = np.array([[1.5]])  # 输入一个新的 X 值进行预测
* r/ J4 k3 g: f- t0 S7 ^; ]predicted_y = model.predict(new_X)
, Z! R* w/ g6 q+ K7 m. `. lprint("Predicted y:", predicted_y)
* A, K, n6 F8 w$ y
# 绘制数据和拟合线
plt.scatter(X, y, color='blue')
$ b) u( W; f) h/ c  R# aplt.plot(X, model.predict(X), color='red')
plt.xlabel('X')
plt.ylabel('y')
plt.title('Linear Regression')
4 v( O7 I% F' D8 A, ?4 ^plt.show()
' k* \, K! S3 k/ m6 I9 C6 }" Q