线性回归代码

2841097014

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

3 M$ j& s. }: h! m: l$ R# 生成一些示例数据
! e1 L0 {- w0 y* w4 mnp.random.seed(0)
X = 2 * np.random.rand(100, 1)
2 d; b% v$ a. o$ Ey = 3 + 4 * X + np.random.randn(100, 1)

# 创建线性回归模型
' ]* K$ s! V* zmodel = LinearRegression()

3 I- U2 S0 f' Q0 }# 训练模型
& r  s, T9 |9 d* `* Z: Mmodel.fit(X, y)
& O7 L3 }; j' m) A$ j  C2 B
# 打印模型的参数
print("Intercept:", model.intercept_)
9 h$ n6 X1 d, |print("Coefficient:", model.coef_[0])

% J( Z6 S4 Z  R. e# 预测新数据点
, W$ {( ?! K' Z8 I! R* b+ v0 wnew_X = np.array([[1.5]])  # 输入一个新的 X 值进行预测
' H* ~" n0 r% _6 F3 W7 @predicted_y = model.predict(new_X)
print("Predicted y:", predicted_y)

2 M  w/ Y3 m3 ?; i5 i. ~4 f# 绘制数据和拟合线
plt.scatter(X, y, color='blue')
; N2 v( }& p, Rplt.plot(X, model.predict(X), color='red')
plt.xlabel('X')
plt.ylabel('y')
plt.title('Linear Regression')
plt.show()


% w7 V: J8 t% \5 L3 U6 _- o% l8 S