区块链技术博客
www.b2bchain.cn

sklearn实现线性回归/多元线性回归 python

这篇文章主要介绍了sklearn实现线性回归/多元线性回归 python的讲解,通过具体代码实例进行19287 讲解,并且分析了sklearn实现线性回归/多元线性回归 python的详细步骤与相关技巧,需要的朋友可以参考下https://www.b2bchain.cn/?p=19287

本文实例讲述了2、树莓派设置连接WiFi,开启VNC等等的讲解。分享给大家供大家参考文章查询地址https://www.b2bchain.cn/7039.html。具体如下:

python sklearn库实现一元线性回归 多元线性回归

  • 0. 数据集
  • 1. 一元线性回归
    • 1.1 代码
    • 1.2 图片显示:

0. 数据集

0.1 对一元线性回归,我们用房子面积(square_feet)预测房子价格(price);

square_feet price
150 6450
200 7450
250 8450
250 8450
300 9450
350 11450
400 15450
600

18450

0.2 对于多元线性回归,采用sklearn.datasets中的波士顿房价数据集,该数据集有506个样本,各个样本13个特征,1个输出。

数据部分截图如下:
sklearn实现线性回归/多元线性回归 python

1. 一元线性回归

1.1 代码

import pandas as pd from io import StringIO from sklearn import linear_model import matplotlib.pyplot as plt  # 房屋面积与价格历史数据(csv文件) csv_data = 'square_feet,pricen150,6450n200,7450n250,8450n300,9450n350,11450n400,15450n600,18450n' # 读入dataframe df = pd.read_csv(StringIO(csv_data)) # 建立线性回归模型 regr = linear_model.LinearRegression() # 拟合 regr.fit(df['square_feet'].values.reshape(-1, 1), df['price']) # 注意此处.reshape(-1, 1),因为X是一维的! # 不难得到直线的斜率、截距 a, b = regr.coef_, regr.intercept_ # 给出待预测面积 area = [[238.5]] # 方式1:根据直线方程计算的价格 print(a * area + b) # 方式2:根据predict方法预测的价格 print(regr.predict(area)) # 画图 # 1.真实的点 plt.scatter(df['square_feet'], df['price'], color='blue') # 2.拟合的直线 plt.plot(df['square_feet'], regr.predict(df['square_feet'].values.reshape(-1,1)), color='red', linewidth=4) plt.show() 

1.2 图片显示:

sklearn实现线性回归/多元线性回归 python

本文转自互联网,侵权联系删除sklearn实现线性回归/多元线性回归 python

赞(0) 打赏
部分文章转自网络,侵权联系删除b2bchain区块链学习技术社区 » sklearn实现线性回归/多元线性回归 python
分享到: 更多 (0)

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

b2b链

联系我们联系我们