- 在线时间
- 0 小时
- 最后登录
- 2023-8-26
- 注册时间
- 2023-8-26
- 听众数
- 1
- 收听数
- 0
- 能力
- 0 分
- 体力
- 5 点
- 威望
- 0 点
- 阅读权限
- 10
- 积分
- 3
- 相册
- 0
- 日志
- 0
- 记录
- 1
- 帖子
- 3
- 主题
- 1
- 精华
- 0
- 分享
- 0
- 好友
- 0
升级   60% 该用户从未签到
 |
import numpy as np
1 I1 l% V2 Y. E5 T" ?% b' Jfrom sklearn.linear_model import LinearRegression' ?5 V' y8 Q! e2 P9 F9 o) u! O# ?0 d
import matplotlib.pyplot as plt( u6 p, r3 z* y- Y* ~' g
! c* }: { }: t! N; G7 L( T3 s# 生成一些示例数据# G4 d) [: m2 W
np.random.seed(0)- F+ O8 v4 E6 r% Y) r
X = 2 * np.random.rand(100, 1)
0 q+ @& a2 Y9 o) |y = 3 + 4 * X + np.random.randn(100, 1)1 G1 S W8 P) B
; Q5 T; f7 f2 g+ y0 l1 ]1 B9 F
# 创建线性回归模型
! a9 D( j& ~9 v! tmodel = LinearRegression()
0 F# j) ^/ ]. T: G0 h5 W* c0 w6 z( D/ N) }8 V5 c4 E: l
# 训练模型; O. R2 p8 h- g8 K
model.fit(X, y)
* j9 r4 _; {8 e( f2 w/ X
5 k9 w9 U$ g& G( v1 v1 }# 打印模型的参数! Y0 b! v; f; z7 S
print("Intercept:", model.intercept_)
s+ D6 H6 o2 v5 z# Uprint("Coefficient:", model.coef_[0])
8 U2 @4 q9 p6 B; F' t; s4 o
" Y1 w8 E6 [' ?9 v# 预测新数据点
& s, m2 [4 y' y3 U5 k* gnew_X = np.array([[1.5]]) # 输入一个新的 X 值进行预测+ Y4 l& ?. H$ s/ y
predicted_y = model.predict(new_X)
9 M8 ]# ?$ `4 O% [' _print("Predicted y:", predicted_y)8 f1 A2 l; \+ ]( ]0 j6 g
7 }- B9 w' L/ {) ^( i+ E% T. j# 绘制数据和拟合线
1 k4 t0 u6 s3 K' t. t/ oplt.scatter(X, y, color='blue')
) p. ?, [6 w" ?3 q$ o; kplt.plot(X, model.predict(X), color='red') O2 V3 z1 e& l# H4 s1 b
plt.xlabel('X')8 O! R& S" P# `( I3 l5 g
plt.ylabel('y')* P- E8 k& F. E# W& ]9 @
plt.title('Linear Regression')
* X$ W* S, L5 n% _( J9 F6 E" Jplt.show()' y% O% f/ }; b% Q1 I6 N
1 {; X! R+ V7 c8 |6 ^
2 m+ f; d1 L+ V5 w, b- u |
zan
|