线性回归代码

2841097014

import numpy as np
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt

) T2 s+ o& B8 h1 g  v, x8 y1 ^# 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)
/ i1 p, `, `0 D5 {4 [8 M/ t; u3 l+ O
# 创建线性回归模型
model = LinearRegression()
% p4 f( t. g3 _8 L" `! r; H
# 训练模型
model.fit(X, y)

# 打印模型的参数
8 ^/ {" ?8 N2 ^/ x& i1 wprint("Intercept:", model.intercept_)
5 L4 a" \. l+ I# y$ N* |: [/ K# ]print("Coefficient:", model.coef_[0])

# 预测新数据点
" w  r, }$ P' a; ~new_X = np.array([[1.5]])  # 输入一个新的 X 值进行预测
predicted_y = model.predict(new_X)
6 _  Y/ s' X8 F* N; T, Xprint("Predicted y:", predicted_y)
5 n  C- Z6 n) k% ~% r; l
# 绘制数据和拟合线
plt.scatter(X, y, color='blue')
plt.plot(X, model.predict(X), color='red')
  @* a3 |' J. l, `( X+ _plt.xlabel('X')
plt.ylabel('y')
' V& \; ?1 t* M; X8 a% j1 aplt.title('Linear Regression')
plt.show()


& D1 q( R. {$ s" N