機器學習經典算法之線性回歸sklearn實現

from sklearn import linear_model from sklearn import datasets import numpy as np reg = linear_model.LinearRegression() dataset = datasets.load_diabetes()//糖尿病數據集 data = dataset.data[:,np.newaxis,2]//取bmi數據 target = dataset.target plt.scatter(data, target)

reg.fit(data, target) y = reg.predict(data) plt.plot(data, y, 'r') plt.scatter(data, target) plt.show()

糖尿病數據集各特征

dataset.feature_names ['age', 'sex', 'bmi', 'bp', 's1', 's2', 's3', 's4', 's5', 's6']

例子2

x = [[1],[2],[3]] y = [1, 54, 65] plt.scatter(x,y)

r = linear_model.LinearRegression() r.fit(x,y) pre = r.predict(x) plt.plot(x, pre,'r') plt.scatter(x,y)

總結

以上是生活随笔為你收集整理的机器学习经典算法之线性回归sklearn实现的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。