线性回归代码

2841097014

import numpy as np
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt
1 G7 C1 R$ Z. L7 k/ ?1 M1 x
# 生成一些示例数据
np.random.seed(0)
X = 2 * np.random.rand(100, 1)
5 b) o; j0 ^8 b3 j1 Ny = 3 + 4 * X + np.random.randn(100, 1)
' P, _$ y. L+ @+ S0 L, O
* s' y% Q% T% }# 创建线性回归模型
% l) I4 t' h3 H. F( \# G# C+ Gmodel = LinearRegression()
: n9 A/ r9 E( U5 S+ t5 _( ^
# 训练模型
' `1 W+ h8 c9 r/ I' i+ Emodel.fit(X, y)

# 打印模型的参数
print("Intercept:", model.intercept_)
print("Coefficient:", model.coef_[0])
% b2 @5 F* R6 a# w1 x
- x4 I2 N  J9 _7 t9 [# 预测新数据点
* |2 h( `8 K3 l; J, s( K. Qnew_X = np.array([[1.5]])  # 输入一个新的 X 值进行预测
predicted_y = model.predict(new_X)
" T6 B& Z' q5 fprint("Predicted y:", predicted_y)

! ?6 e: r" v6 A: h$ Q# l/ E# 绘制数据和拟合线
plt.scatter(X, y, color='blue')
5 f% C) e5 b& a" T' c) `2 u3 U- |9 A: X  tplt.plot(X, model.predict(X), color='red')
. e' M7 Y" Z2 x) ?$ {plt.xlabel('X')
plt.ylabel('y')
3 v# m; ?+ r& Wplt.title('Linear Regression')
plt.show()