sklearn之线性模型

在skearn中，可以使用sklearn.linear_model来创建线性模型

然后用fit函数去训练

然后用predict去预测

还可以用score函数去预测同时计算预测的准确度

代码

import numpy as npimport matplotlib.pyplot as pltfrom sklearn import datasetsfrom sklearn import linear_model#获取数据 X，Y,并画图X, Y = datasets.make_regression(n_samples=100, n_features=1, n_targets=1, noise=1)plt.scatter(X, Y)plt.show()#区分训练集和测试集X_train = X[:-20]X_test  = X[-20:]Y_train = Y[:-20]Y_test  = Y[-20:]#选择模型lm = linear_model.LinearRegression()#训练，获得模型lm.fit(X_train, Y_train)#查看模型的参数，也就是系数print('模型参数:', lm.coef_)#训练集和测试集的预测值train_pred = lm.predict(X_train)test_pred  = lm.predict(X_test)#输出预测的误差print("训练集的预测均方误差:%.2f" % np.mean((train_pred-Y_train)**2))print("测试集的预测均方误差:%.2f" % np.mean((test_pred-Y_test)**2))print("预测score:%.2f" % lm.score(X_test, Y_test))

实验结果